用java語言實現(xiàn)離散數(shù)學算法-文庫吧
2025-08-08 10:19 本頁面
【正文】 是從狀態(tài)i轉(zhuǎn)移到狀態(tài)j的次數(shù)的期望值。MStep是在初始時刻出現(xiàn)狀態(tài)i的頻率的期望值，是從狀態(tài)i轉(zhuǎn)移到狀態(tài)j的次數(shù)的期望值 除以從狀態(tài)i轉(zhuǎn)移出去的次數(shù)的期望值，是在狀態(tài)j下觀察到活動為k的次數(shù)的期望值除以從其他所有狀態(tài)轉(zhuǎn)移到狀態(tài)j的次數(shù)的期望值,然后用新的參數(shù)再來計算向前變量、向后變量、和。如此循環(huán)迭代，直到前后兩次參數(shù)的變化量小于某個值為止。下面給出我的java代碼：package nlp。/** * @author Orisun * date 20111022 */import 。public class BaumWelch { int M。 // 隱藏狀態(tài)的種數(shù) int N。 // 輸出活動的種數(shù) double[] PI。 // 初始狀態(tài)概率矩陣 double[][] A。 // 狀態(tài)轉(zhuǎn)移矩陣 double[][] B。 // 混淆矩陣 ArrayListInteger observation = new ArrayListInteger()。 // 觀察到的集合 ArrayListInteger state = new ArrayListInteger()。 // 中間狀態(tài)集合 int[] out_seq = { 2, 1, 1, 1, 2, 2, 2, 2, 2, 1, 1, 1, 1, 2, 2, 2, 2, 1, 1, 1, 1, 1, 2, 2, 2, 1, 1, 1, 1, 1, 2, 1 }。 // 測試用的觀察序列 int[] hidden_seq = { 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 1, 1, 1, 1, 1, 2, 2, 2, 1, 1, 1, 1, 1, 1, 1 }。 // 測試用的隱藏狀態(tài)序列 int T = 32。 // 序列長度為32 double[][] alpha = new double[T][]。 // 向前變量 double PO。 double[][] beta = new double[T][]。 // 向后變量 double[][] gamma = new double[T][]。 double[][][] xi = new double[T 1][][]。 // 初始化參數(shù)。BaumWelch得到的是局部最優(yōu)解，所以初始參數(shù)直接影響解的好壞 public void initParameters() { M = 2。 N = 2。 PI = new double[M]。 PI[0] = 。 PI[1] = 。 A = new double[M][]。 B = new double[M][]。 for (int i = 0。 i M。 i++) { A[i] = new double[M]。 B[i] = new double[N]。 } A[0][0] = 。 A[0][1] = 。 A[1][0] = 。 A[1][1] = 。 B[0][0] = 。 B[0][1] = 。 B[1][0] = 。 B[1][1] = 。 (1)。
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1