Baum-Welch算法

✍ dations ◷ 2025-09-19 02:41:41 #估计理论,算法

在电气工程、计算机科学、统计计算和生物信息学中,Baum-Welch算法是用于寻找隐马尔可夫模型(HMM)未知参数的一种EM算法,它利用前向-后向算法来计算E-Step的统计信息。

Baum-Welch算法是以其发明者Leonard E. Baum和Lloyd R. Welch的名字命名的。Baum-Welch算法和隐马尔可夫模型在20世纪60年代末和70年代初由Baum和他的同事在国防分析研究所的一系列文章中首次描述。HMMs最初主要应用于语音处理领域。20世纪80年代,HMMs开始成为分析生物系统和信息,特别是遗传信息的有用工具。此后,它们成为基因组序列概率建模的重要工具。

隐马尔可夫模型描述了一组“隐含”变量和可观测到的离散随机变量的联合概率。它依赖于假设:第 i {\displaystyle i} 个隐藏变量只与第 i 1 {\displaystyle i-1} 个隐含变量相关,而与其他先前的隐藏变量无关,而当前观测到的状态仅依赖于当前的隐藏状态。

Baum-Welch算法利用EM算法,在给定一组观测特征向量的情况下,求出隐马尔可夫模型参数的最大似然估计。

记离散的隐含随机变量为 X t {\displaystyle X_{t}} ,它总共有 N {\textstyle N} 种状态( X t {\displaystyle X_{t}} N {\displaystyle N} 个不同的值)。设 P ( X t | X t 1 ) {\displaystyle P(X_{t}|X_{t-1})} 与时间无关,得到与时间无关的随机变量转移矩阵:

A = { a i j } = P ( X t = j | X t 1 = i ) {\displaystyle A=\{a_{ij}\}=P(X_{t}=j|X_{t-1}=i)}
初始的状态(即 t = 1 {\displaystyle t=1} )分布由下式给出:

π i = P ( X 1 = i ) {\displaystyle \pi _{i}=P(X_{1}=i)}

记观测到的变量为 Y t {\displaystyle Y_{t}} ,总共有 K {\displaystyle K} 种取值。同样假设由隐含变量得到的可观测变量与时间无关。在时间 t {\displaystyle t} ,由隐含变量 X t = j {\displaystyle X_{t}=j} 得到的可观察变量 Y t = y i {\displaystyle Y_{t}=y_{i}} 的概率是:

b j ( y i ) = P ( Y t = y i | X t = j ) {\displaystyle b_{j}(y_{i})=P(Y_{t}=y_{i}|X_{t}=j)}

由所有可能得 X t {\displaystyle X_{t}} Y t {\displaystyle Y_{t}} 的取值,我们可以得到 N × K {\displaystyle N\times K} 的矩阵 B = { b j ( y i ) } {\displaystyle B=\{b_{j}(y_{i})\}} ,其中 b j {\displaystyle b_{j}} 属于所有可能得隐含状态, y i {\displaystyle y_{i}} 属于所有的可观测状态。

给出可观测序列: Y = ( Y 1 = y 1 , Y 2 = y 2 , , Y T = y T ) {\displaystyle Y=(Y_{1}=y_{1},Y_{2}=y_{2},\cdots ,Y_{T}=y_{T})}

我们可以用 θ ( A , B , π ) {\textstyle \theta (A,B,\pi )} 描述隐马尔科夫链,Baum-Welch算法寻找 θ = arg m a x θ P ( Y | θ ) {\displaystyle \theta ^{*}=\arg {\underset {\theta }{max}}P(Y|\theta )} 的局部极大值,也就是能够使得观测到的序列出现的概率最大的HMM的参数 θ {\displaystyle \theta }

初始化参数 θ ( A , B , π ) {\displaystyle \theta (A,B,\pi )} ,可以随机初始化,或者根据先验知识初始化。

α i ( t ) = P ( Y 1 = y 1 , Y 2 = y 2 , , Y t = y t , X t = i | θ ) {\displaystyle \alpha _{i}(t)=P(Y_{1}=y_{1},Y_{2}=y_{2},\cdots ,Y_{t}=y_{t},X_{t}=i|\theta )} 是参数 θ {\displaystyle \theta } 的条件下,观测的序列是 y 1 , y 2 , , y t {\displaystyle y_{1},y_{2},\cdots ,y_{t}} ,时刻 t {\displaystyle t} 的状态是 i {\displaystyle i} 的概率。可以通过递归计算:

β i ( t ) = P ( Y t + 1 = y t + 1 , , Y T = y T | X t = i , θ ) {\displaystyle \beta _{i}(t)=P(Y_{t+1}=y_{t+1},\cdots ,Y_{T}=y_{T}|X_{t}=i,\theta )} 是参数是 θ {\displaystyle \theta } ,在时刻 t {\displaystyle t} 的状态是 i {\displaystyle i} 的条件下,余下部分的观测序列是 y t + 1 , , y T {\displaystyle y_{t+1},\cdots ,y_{T}} 的概率。

假设我们有一只会下蛋的鸡,每天中午我们都会去拾取鸡蛋。而鸡是否下蛋依赖于一些未知的隐含状态,这里我们简单的假设只有两种隐含状态会决定它是否下蛋。我们不知道这些隐含状态的初始值,不知道他们之间的转换概率,也不知道在每种状态下鸡会下蛋的概率。我们随机初始化他们来开始猜测。

假设我们得到的观测序列是(E=eggs, N=no eggs): N, N, N, N, N, E, E, N, N, N。

这样我们同时也得到了观测状态的转移:NN, NN, NN, NN, NE, EE, EN, NN, NN。

通过上面的信息来重新估计状态转移矩阵。

重新估计 S 1 {\displaystyle S_{1}} S 2 {\displaystyle S_{2}} 的转移概率为 0.22 2.4234 = 0.0908 {\displaystyle {\frac {0.22}{2.4234}}=0.0908} (下表中的"Pseudo probabilities"),重新计算所有的转移概率,得到下面的转移矩阵:

接下来重新估计Emission Matrix:

重新估计从隐含状态 S 1 {\displaystyle S_{1}} 得到观察结果E的概率是 0.2394 0.2730 = 0.8769 {\displaystyle {\frac {0.2394}{0.2730}}=0.8769} ,得到新的Emission Matrix

为了估计初始状态的概率,我们分别假设序列的开始状态是 S 1 {\displaystyle S_{1}} S 2 {\displaystyle S_{2}} ,然后求出最大的概率,再归一化之后更新初始状态的概率。

一直重复上面的步骤,直到收敛。

相关

  • 无尿症无尿症(英语:Anuria、Anuresis),指的是无排尿的症状,正式的定义为24小时内排尿量小于100毫升的症状。无尿症常常是由于肾功能下降导致的,此外也可能由于肾结石、肿瘤等梗阻而出现,
  • 作七传统宗教仪式:神明秘密社会:做七,又称作七、作旬、烧七、斋七、理七,是东亚的丧殡习俗,指人死后每隔七天举行法事一次,七天为一期,最多为七期,七七四十九天才结束。道教称之为七七追
  • 哺乳胸罩哺乳胸罩是一种特殊的胸罩,方便哺乳期妇女在不脱下胸罩的情形下进行母乳喂养,可单手打开罩杯上的卡环或拉链,将罩杯面料移除或折向另一侧以露出乳头。哺乳胸罩类似孕妇穿着的胸
  • 尾,又称尾巴,是指位于动物体背部尾端的部分,特别是指构造柔韧可弯曲、且明显分开于躯干的附肢部分,大致上相当于哺乳动物与鸟类的骶骨(荐骨)和尾骨。一般而言尾巴是脊椎动物的专属
  • 莱特州立大学莱特州立大学 (Wright State University)是位于美国俄亥俄州代顿 (俄亥俄州)的一所四年制州立大学。一共有超过2万名学生在这一所大学就读,其中的1万8千名学生是大学部的学生。
  • 雅各 (旧约圣经)雅各(Jacob或Ya'akov;希伯来语:.mw-parser-output .script-hebrew,.mw-parser-output .script-Hebr{font-size:1.15em;font-family:"Ezra SIL","Ezra SIL SR","Keter Aram Tsov
  • M级核潜艇685型“鱼鳍”(俄语:Плавник)攻击型核潜艇,北约命名为“麦克级”(英语:Mike)。最初由“波浪”设计局设计,总设计师是H·A·克利莫夫;1974年“波浪”设计局与第143特种设计
  • 温石棉温石棉, 又称白石棉,是最常见的石棉形式 ,约占美国石棉的95%,在其他国家也有类似的比例。它是一种软的,纤维状硅酸盐矿物, 属于蛇纹石亚属中的一种;因此,它有别于角闪石属中的其他石
  • 袁琼琼袁琼琼(1950年11月25日-),台湾作家、编剧,曾以笔名朱陵写现代诗。1950年出生于台湾新竹,籍贯四川眉山。毕业于台南商职,曾在《创作月刊》做过一个月编辑,这是她一生唯一的职业纪录。
  • 翁正春《明状元图考》之翁正春翁正春(1553年-1626年),字兆震,福建福州府侯官县(今福州郊区建新镇洪塘村)人,明朝状元,政治人物。官至礼部尚书。嘉靖三十二年(1553年)生,不善言谈,《明史》称他“