用java語言實現離散數學算法-資料下載頁
2024-09-01 10:19本頁面
【正文】 。 t T 1。 t++) { d離散數學 += xi[t][i][j]。 } A[i][j] = d離散數學 / frac。 } } } // 更新混淆矩陣 public void updateB() { for (int i = 0。 i M。 i++) { double frac = 。 for (int t = 0。 t T。 t++) frac += gamma[t][i]。 for (int j = 0。 j N。 j++) { double d離散數學 = 。 for (int t = 0。 t T。 t++) { if (out_seq[t] == (j)) d離散數學 += gamma[t][i]。 } B[i][j] = d離散數學 / frac。 } } } // 運行BaumWelch算法 public void run() { initParameters()。 int iter = 22。 // 迭代次數 while (iter 0) { // EStep updateAlpha()。 // updatePO()。 updateBeta()。 updateGamma()。 updatePI()。 updateXi()。 // MStep updateA()。 updateB()。 } } public static void main(String[] args) { BaumWelch bw = new BaumWelch()。 ()。 (訓練后的初始狀態(tài)概率矩陣：)。 for (int i = 0。 i 。 i++) ([i] + \t)。 ()。 (訓練后的狀態(tài)轉移矩陣：)。 for (int i = 0。 i 。 i++) { for (int j = 0。 j 。 j++) { ([i][j] + \t)。 } ()。 } (訓練后的混淆矩陣：)。 for (int i = 0。 i 。 i++) { for (int j = 0。 j 。 j++) { ([i][j] + \t)。 } ()。 } }}迭代22次后得到的參數：訓練后的初始狀態(tài)概率矩陣：訓練后的狀態(tài)轉移矩陣：訓練后的混淆矩陣：
規(guī)章制度相關推薦
鄂ICP備17016276號-1