用java語(yǔ)言實(shí)現(xiàn)離散數(shù)學(xué)算法-免費(fèi)閱讀
【正文】 j 。 i++) { for (int j = 0。 (訓(xùn)練后的初始狀態(tài)概率矩陣：)。 updateBeta()。 for (int t = 0。 i M。 // for (int k = 0。 t T 1。j++) // gamma[t][i]+=xi[t][i][j]。 for (int i = 0。 j++) { xi[t][i][j] = alpha[t][i] * A[i][j] * B[j][(out_seq[t + 1])] * beta[t + 1][j] / frac。 i M。 i M。 i M。 t++) { for (int i = 0。 for (int i = 0。 for (int t = 0。 B[0][0] = 。 for (int i = 0。 // 初始化參數(shù)。 // 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 }。/** * author Orisun * date 20111022 */import 。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(dòng)為k的次數(shù)的期望值定義變量表示t時(shí)刻呈現(xiàn)狀態(tài)i的概率。 是假定的參數(shù)它表示t時(shí)刻滿足狀態(tài)，且t時(shí)刻之前（包括t時(shí)刻）滿足給定的觀測(cè)序列的概率。 分別表示 非 析取 合取 條件 雙條件 連接詞 * 支持 ( )（括號(hào)） * 如果公式中有錯(cuò)誤將不會(huì)輸入真值表（將會(huì)輸出錯(cuò)誤信息）說(shuō)明：以 ~ ^ amp。當(dāng)沒(méi)有隱含變量時(shí)，直接用maximum likelihood就可以把模型參數(shù)求出來(lái)。如此迭代直到θ趨于穩(wěn)定。 MStep是在初始時(shí)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 然后用新的參數(shù)再來(lái)計(jì)算向前變量、向后變量、和。 // 狀態(tài)轉(zhuǎn)移矩陣 double[][] B。 double[][] beta = new double[T][]。 PI[1] = 。 A[0][1] = 。 (2)。 } for (int t = 0。 i++) { alpha[0][i] = PI[i] * B[i][(out_seq[0])]。 j++) { alpha[t][i] += alpha[t 1][j] * A[j][i]。 } for (int t = T 2。 t T 1。 i M。 i M。i++){ // gamma[t][i]=0。 i M。 // for (int t = 0。 t++) { d離散數(shù)學(xué) += xi[t][i][j]。 for (int j = 0。 int iter = 22。
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號(hào)-1