用java語言實現(xiàn)離散數(shù)學算法-文庫吧在線文庫
【正文】 A[i] = new double[M]。 B[1][0] = 。 t++) { alpha[t] = new double[M]。 i++) xi[t][i] = new double[M]。 i++) { alpha[t][i] = 0。 } // 更新向后變量 public void updateBeta() { for (int i = 0。 j M。 j M。 t T 1。 i++) { gamma[t][i] = alpha[t][i] * beta[t][i] / frac。 i M。 } for (int j = 0。 k++) // frac += xi[t][i][k]。 for (int t = 0。 t++) { if (out_seq[t] == (j)) d離散數(shù)學 += gamma[t][i]。 updatePI()。 i 。 j++) { ([i][j] + \t)。 } ()。 i 。 for (int i = 0。 } } public static void main(String[] args) { BaumWelch bw = new BaumWelch()。 // 迭代次數(shù) while (iter 0) { // EStep updateAlpha()。 j N。 } A[i][j] = d離散數(shù)學 / frac。 t T 1。 i++) { double frac = 。 // for(int j=0。 i++) { frac += alpha[t][i] * beta[t][i]。 i++) { for (int j = 0。 t++) { double frac = 。 t = 0。 } alpha[t][i] *= B[i][(out_seq[t])]。 } for (int t = 1。 t T 1。 (1)。 A[1][0] = 。 A = new double[M][]。 // 向后變量 double[][] gamma = new double[T][]。 // 混淆矩陣 ArrayListInteger observation = new ArrayListInteger()。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。除以 在HMM問題中，隱含變量自然就是狀態(tài)變量，要求狀態(tài)變量的期望值，其實就是求時刻ti觀察到xi時處于狀態(tài)si的概率，為了求此概率，需要用到向前變量和向后變量。預備知識首先你得對下面的公式表示認同。用JAVA語言實現(xiàn)離散數(shù)學算法* 顯示離散數(shù)學算法的真值表 * 提
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1