12 2012 档案
摘要：假定目录text下有如下文件 目录：dir_1、dir_2、dir_3 文件：text_1、text_2遍历目录下所有的文件是目录还是文件if -- if类型：#!bin/shfor file in ./*do if test -f file 是文件 fi if test -d file 是目录 fidoneif --else 类型:#!bin/shfor file in ./*do if test -f $file then e...
阅读全文
摘要：定义变量 name=value 释义：name是变量，value是变量值 注意：1.变量名智能有数字、字母、下划线组成，并且首字符不可是数字。 eg: a12=123kdlkd 2.变量值（value)中如果有空格，应该加上双引号或单引号。eg: a="hello world" 3.等号（=）左右没有空格，切记。eg:a = 'akdf'错误使用变量： 变量名前加上a ，因为前面有$，提...
阅读全文
摘要：隐马尔可夫模型的学习问题：给定一个输出序列O=O1O2...OT,如何调节模型μ=(A,B,π）的参数，使得P(O|M)最大。 最大似然估计是一种解决方法，如果产生的状态序列为Q=q1q2...qT,根据最大似然估计，可以通过以下公式推算： πi‘ = δ（q1,si) aij...
阅读全文
摘要：重新回顾： 前向变量αt(i):在时刻t,在已知模型μ=（A,B,π）的条件下，状态处于si,输出序列为O102...Ot,前向变量为αt(i) 后向变量βt(i):在时刻t,在已知模型μ=（A,B,π）和状态处于si的条件下，输出序列为Ot+1Ot+2...OT,后向变量为βt(i) 公式推导：
阅读全文
摘要：给定一个观察序列O=O1O2...OT,和模型μ=（A,B,π），如何快速有效地选择在一定意义下“最优”的状态序列Q=q1q2...qT，使该状态最好地解释观察序列。 一种想法是求出每个状态的概率rt(i)最大(rt(i)=P(qt=si,O|μ）)，记q't(i)=argQmax(rt(i))，但
阅读全文
摘要：对于HMM的评估问题，利用动态规划可以用前向算法，从前到后算出前向变量；也可以采用后向算法，从后到前算出后向变量。先介绍后向变量βt(i):给定模型μ=（A,B,π），并且在时间时刻t状态为si的前提下，输出序列为Ot+1Ot+2...OT的概率，即 βt(i)=P(Ot+1Ot+2...OT|qt...
阅读全文
摘要：隐马模型的评估问题即，在已知一个观察序列O=O1O2...OT，和模型μ=（A,B,π}的条件下，观察序列O的概率，即P(O|μ} 如果穷尽所有的状态组合，即S1S1...S1, S1S1...S2, S1S1...S3, ..., S3S3...S3。这样的话t1时刻有N个状态，t2时刻有N个状态...tT时刻有N个状态，这样的话一共有N*N*...*N= NT种组合，时间复杂度为O(NT),计算时，就会出现“指数爆炸”，当T很大时，简直无法计算这个值。为解决这一问题，Baum提出了前向算法。 归纳过程 首先引入前向变量αt(i):在时间t时刻，HMM输出序列为O1O2...OT,在第t时.
阅读全文
