Скрытая модель Маркова самый вероятный путь состояния
STATES = hmmviterbi(seq,TRANS,EMIS)
hmmviterbi(...,'Symbols',SYMBOLS)
hmmviterbi(...,'Statenames',STATENAMES)
STATES = hmmviterbi(seq,TRANS,EMIS) учитывая последовательность, seq, вычисляет наиболее вероятный путь через скрытую модель Маркова, заданную матрицей вероятности перехода, TRANS, и матрица вероятности эмиссии EMIS. TRANS(i,j) вероятность перехода от i состояния утверждать j. EMIS(i,k) вероятность тот символ k испускается от i состояния.
Функциональный hmmviterbi начинается с модели в состоянии 1 на шаге 0, до первой эмиссии. hmmviterbi вычисляет наиболее вероятный путь на основе того, что модель начинается в состоянии 1.
hmmviterbi(...,'Symbols',SYMBOLS) задает символы, которые испускаются. SYMBOLS может быть числовой массив, массив строк или массив ячеек имен символов. Символы по умолчанию являются целыми числами 1 через N, где N количество возможной эмиссии.
hmmviterbi(...,'Statenames',STATENAMES) задает имена состояний. STATENAMES может быть числовой массив, массив строк или массив ячеек имен состояний. Имена состояния по умолчанию 1 через M, где M количество состояний.
trans = [0.95,0.05;
0.10,0.90];
emis = [1/6 1/6 1/6 1/6 1/6 1/6;
1/10 1/10 1/10 1/10 1/10 1/2];
[seq,states] = hmmgenerate(100,trans,emis);
estimatedStates = hmmviterbi(seq,trans,emis);
[seq,states] = ...
hmmgenerate(100,trans,emis,...
'Statenames',{'fair';'loaded'});
estimatesStates = ...
hmmviterbi(seq,trans,emis,...
'Statenames',{'fair';'loaded'});[1] Durbin, R., С. Эдди, А. Крог и Г. Мичисон. Биологический анализ последовательности. Кембридж, Великобритания: Издательство Кембриджского университета, 1998.