基于隐马尔可夫模型(hmm)的模式识别理论.ppt

《基于隐马尔可夫模型(hmm)的模式识别理论.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于隐马尔可夫模型（hmm）的模式识别理论报告人颜浩时间2011年4月21日地点实验室302概述基于隐马尔可夫模型（hmm）的模式识别方法在模式识别中有着广泛的应用。如语音识别、手写字识别、图想纹理建模与分类。hmm还被引入移动通信核心技术“多用户的检测”。近年来，另外在生物信息可学、故障诊断等领域也开始得到应用。近几年已经已被学者用于人脸识别的研究之中，是今年来涌现出来的优秀人脸识别方法之一。经过不断改进，尤其是最近的嵌入式隐马尔可夫模型（ehmm）已经在人脸识别方面取得很大的进展，经过实验，识别率较高，有很好的鲁棒性等优点。隐马尔可夫模型基本理论依据来源于随机过程中马

2、尔可夫过程理论。马尔可夫及其马尔可夫过程马尔可夫（A.Markov，1856—1922）俄国数学家.他开创了一种无后效性随机过程的研究，即在已知当前状态的情况下，过程的未来状态与其过去状态无关，这就是现在大家熟悉的马尔可夫过程.马尔可夫的工作极大的丰富了概率论的内容，促使它成为自然科学和技术直接有关的最重要的数学领域之一.在工程技术方面目前已被广泛用于通信，模式识别方面。与马尔可夫过程相关的概念.随机变量与随机过程把随机现象的每个结果对应一个数，这种对应关系称为随机变量.例如某一时间内公共汽车站等车乘客的人数，电话交换台在一定时间内收到的呼叫次数等等，都是随机变量的实例.

3、随机过程随机过程是一连串随机事件动态关系的定量描述.即和“时间”相关的随机变量。一般记为x(t)。比如在一天24小时，在每个整点时刻徐州火车站的旅客数量。马尔可夫过程与马尔可夫链设x(t)是一随机过程，过程在时刻t0+1所处的状态与时刻t0所处的状态相关，而与过程在时刻t0之前的状态无关，这个特性成为无后效性.无后效的随机过程称为马尔可夫过程(MarkovProcess).举例：比如在万恶的旧社会流离失所的百姓在每天的饥饿程度是一个随机过程。假如他们在t0时刻（今天）的饥饿状态是五分饱，他们在t0+1所（明天）的饥饿状态的概率取决于t0时刻（今天），而和t0时刻（今天）之

4、前（昨天、前天。。。）无关。这样的一个随机过程就是一个马尔可夫过程。马尔可夫过程中的时间和状态既可以是连续的，又可以是离散的.我们称时间离散、状态离散的马尔可夫过程为马尔可夫链.在实际应用是使用马尔可夫链较多。如何在实际中使用马尔可夫链？马尔可夫链怎么很好地描述出来。即引入马尔可夫链转移矩阵.一个例子为了形象说明“状态”和“状态的转移”的概念，假设在一个水池中有三片荷叶，一只青蛙在三片荷叶之间跳跃玩耍，见图.观察青蛙的活动会发现青蛙的动作是随意的.为讨论方便，我们给荷叶编号，我们关心的是在一定时间内，它从一片荷叶跳到其他两片荷叶的转移结构.当青蛙在第1片荷叶上时，它下一步

5、动作跳跃到第2、3片荷叶上或原地不动，只与现在的位置1有关，而与它以前跳过的路径无关.我们给出这只青蛙从各片荷叶上向另一片荷叶移动的转移图，见图.箭头表示跳跃的方向，数字表示跳跃的概率，白环表示青蛙保持不动.此图表明：在一定时间内，当青蛙开始时刻在第1片荷叶上时，它保持不动的概率为0.3，它跳跃到第2片荷叶上的概率为0.6，跳跃到第3片荷叶上的概率为0.1；当青蛙开始时刻在第2片荷叶上时，它保持不动的概率为0.4，它跳跃到第1片荷叶上的概率为0.2，跳跃到第3片荷叶上的概率为0.4；当青蛙开始时刻在第3片荷叶上时，它保持不动的概率为0.5，它跳跃到第1片荷叶上的概率为0.

6、2，跳跃到第2片荷叶上的概率为0.3.我们以x(t)表示青蛙跳跃t次后所处的位置,x(t)的取值叫做状态，S={1,2,3}叫状态空间.我们称{x(t)}(t>0)为一个随机过程.当从x(0)到x(t)已知时，青蛙在t+1时处在x(t+1)状态上的概率仅与t时刻状态有关，即满足以下关系式（1.1）我们称满足（8.1）式的随机过程{x(t)}(t>0)为马尔可夫过程或马尔可夫链，而把（8.1）式的随机过程{x(t)}称为马尔可夫性，它反映了前一状态x(t-1)、现状态x(t)和后一状态x(t+1)之间的链接.因此，用马尔可夫链描述随机性状态变量的变化时，只需求在某一点上两个

7、相邻随机变量的条件分布就可以了.我们称为转移概率.由于这种转移概率不依赖于时间，因此具有稳定性，我们用常数来表示.将各个状态之间的转移概率用一个矩阵表示出来，就得到一个马尔可夫链数学模型即（MarkovChainMode）：称矩阵为一步概率转移矩阵，简称转移矩阵.由于转移矩阵的每行都是独立的分布，所有每行的元素满足下列性质：（1.2）（1.3）由图，青蛙跳跃的一步转移矩阵为引入这样的一个状态矩阵就能够将这个马尔可夫过程描述清楚。但是在模式识别领域，还不能直接使用马尔可夫过程，需要对之进行推广，即隐马尔可夫模型理论。目前隐马尔可