赞
踩
已知模型和观测序列求状态序列,使得最大
方法:记录每个时刻的每个可能状态的之前最优路径的概率,同时记录最优路径的前一个状态,不断向后迭代,找到最后一个时间点的最大概率值对应的状态,回溯找到最优路径(也叫 Token pass算法)。
定义对于 t 时刻,隐藏状态为 i,所有可能路径的最大值为:
由于状态只与前一状态有关,则可得递推公式:
定义在概率最大的路径中, t - 1 时刻的状态:
采用动态规划算法即可得到最优路径。
注意:Viterbi算法前向时只是计算概率,后向回溯时才得到最优路径。
举例如下:
方法:每一步只走最好走的路(目光短浅)
优点:计算快,而且这种贪心或者说启发式的算法,通常情况下,效果还是不错的。
缺点:很难找到最优解,陷入局部最优
方法:每一步只走最好走的前N条路。这里的N也叫Beam Width。是A*算法的改进,当N=1时,退化为A*算法,当N=N时,退化为穷举法。
优点:N设置良好的话效果不错。
缺点:Beam Width越大,找到最优解的概率越大,相应的计算复杂度也越大。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。