維特比演算法用來解決hmm的**問題（解碼decoding），即已知模型hmm和觀測序列o=
(o1,
o2,.
..on
) ，求對給定觀測序列條件概率p(
i/o)
的最大狀態序列i=
(i1,
i2,.
..in
) .
維特比演算法實際用動態規劃的思想來求解hmm模型**問題。由動態規劃原理，最優路徑具有這樣特性：如果最優路徑在時刻t通過結點i∗
t ,那麼這一路徑從結點i∗
t 到終點i∗
t 的部分路徑，對於所有從i∗
t 到終點i∗
t 的可能部分路徑來說必須是最優的。因為假如不是這樣，那麼從i∗
t 到i∗
t 就會有另一條更好的部分路徑存在，如果把它和從i∗
1 到i∗
t 的的部分路徑連起來，就會形成一條比原來更有的路徑，這是矛盾的。
因此，基於以上思想，我們只需從時刻t=
1 開始，遞推地計算在時刻
t 狀態為
i的各條部分路徑的最大概率，直至得到時刻t=
t 狀態為
j 的各條路徑的最大概率。時刻t=
t的最大概率即為最優路徑的概率p∗
，最優路徑的終結點i∗
t 也同時求得。之後，為了找出最優路徑的各個節點，從終結點i∗
t 開始，由後向前逐步求得節點it
−1∗ ，…,i∗
1 ,得到最優路徑i∗
=(i∗
1,i∗
2,..
.,i∗
t).匯入變數
δ 和
ψ ，定義在時刻
t 狀態為
i的所有單個路徑(i
∗1,i
∗2,.
..,i
∗t) 中概率最大值為 δt
(i)=
maxi
1,i2
...i
t−1p
(it=
i,it
−1,.
..i1
,ot,
...,
o1|λ
),i=
1,2,
...n
由此可得變數
δ 遞推公式： δt
+1(i
)=ma
xi1,
i2..
.itp
(it+
1=i,
it,.
..i1
,ot+
1,..
.,o1
|λ)=
max0
<
j<=n[
δt(j
)aji
]bi(
ot+1
),i=
1,2,
...n
定義在時刻
t 狀態為
i的所有單個路徑(i
∗1,i
∗2,.
..,i
∗t) 中概率最大的路徑的t−
1 個節點為 ψt
(i)=
argm
ax0<
j<=n[
δt−1
(j)a
ji],
i=1,
2,..
.n輸入：模型λ=
(a,b
,π) 和觀測序列o=
(o1,
o2,.
..on
) 輸出：最優路徑i∗
=(i∗
1,i∗
2,..
.,i∗
t).
step1：初始化 δ1
(i)=
πibi
(o1)
,i=1
,2,.
..n
ψ1(i
)=0,
i=1,
2,..
.n
step2：遞推，對t=
2,3,
...t
δt=max0
<
j<=n[
δt−1
(j)a
ji]b
i(ot
),i=
1,2,
...n
ψt(i)=m
ax0<
j<=n[
δt−1
(j)a
ji],
i=1,
2,..
.n
step3：終止 p∗
=max
0<
i<=nδ
t(i)
i∗t=arg
max0
<
i<=n[
δt(i
)]
step4：最優路徑回溯，對t=
t−1,
t−2,
...1 i∗
t=ψt
+1(i
∗t+1
)
#include
#include
#include
using
namespace
std;
int main()
; double c[3][3] = ;
double e[3][2] = ;
string output[4] = ;
int state[3] = ;
int row = 3;
int column = 3;
//開闢陣列空間
double **delta = new
double *[row];
int **path = new
int *[row];
int i, j,k;
for (i = 0; i < 3; i++)
//將輸出狀態轉為陣列
int outnum[4];
for (i = 0; i < row; i++)
//初始化
for (i = 0; i < column; i++)
//遞迴
for (j = 1; j < row; j++)//序列遍歷，矩陣列遍歷
}delta[k][j] = pro;
path[k][j]= sta;
}
}//終止，找到概率最大值
double max = 0;
int sta = 0;
for (i = 0; i < column; i++)
}//回溯，找到最大路徑及其對應的狀態值
list
listpath;
listpath.push_back(sta+1);
for (j = row - 1; j > 0; j--)
//輸出
cout
<< "max probability: "
<< max << endl;
list
::iterator itepath;
for (itepath = listpath.begin(); itepath != listpath.end(); itepath++)
cout
<< *itepath << " ";
}
維特比演算法 python 維特比演算法實現分詞
維特比演算法原理可以參考以下文章，講解的非常詳細，那麼接下來將講解維特比演算法如何應用到分詞演算法中，並如何用python 實現。如何通俗地講解 viterbi 演算法？www.zhihu.com 一 過程分析 句子 經常有意見分歧 詞典 經常 經 有 有意見 意見 分歧 見 意 見分歧 分 概率 ...
維特比演算法
維特比演算法在機器學習中非常重要，在求解隱馬爾科夫和條件隨機場的 問題中均用到了維特比演算法。實際上，維特比演算法不僅是很多自然語言處理的解碼演算法，也是現代數字通訊中使用最頻繁的演算法。以乙個簡單的隱馬爾科夫模型為例，n 為觀測符號，y y1,y2,y n 為隱狀態序列，要求的 問題為 y 1,y...
維特比演算法
維特比演算法主要用來解決籬笆網路，老實講我第一次聽到這個名字是發懵的，網路我是知道的，說白了就是圖 迪傑特斯拉演算法 但是，籬笆網路是值下面這種一列一列的圖，只會前面連線到後面，而且不會跳層連線，可以說是一種非常特殊且友好的圖了 正常的圖能逼死強迫症 x max xx x x x xma x x 這...