Hidden Markov model

Uit Wikipedia, de vrije encyclopedie
Ga naar: navigatie, zoeken

Een hidden Markov model (HMM) is een model uit de statistiek waarin het te modelleren systeem een Markov-proces is met onbekende parameters. Het doel is om de verborgen parameters te bepalen op basis van de waarneembare parameters. De op deze manier verkregen parameters kunnen vervolgens worden gebruikt voor toepassingen als patroonherkenning. Een HMM kan worden beschouwd als de meest eenvoudige vorm van een Dynamisch Bayesiaans netwerk.

Voorbeeld[bewerken]

toestanden = ('Regen', 'Zon')

bezigheden = ('wandelen', 'winkelen', 'lezen')

start-waarschijnlijkheid = {'Regen': 0.6, 'Zon': 0.4}

overgangs-waarschijnlijkheid = {
   'Regen' : {'Regen': 0.7, 'Zon': 0.3},
   'Zon' : {'Regen': 0.4, 'Zon': 0.6},
   }

bezigheids-waarschijnlijkheid = {
   'Regen' : {'wandelen': 0.1, 'winkelen': 0.4, 'lezen': 0.5},
   'Zon' : {'wandelen': 0.6, 'winkelen': 0.3, 'lezen': 0.1},
   }

Toepassingen[bewerken]

Software[bewerken]

Literatuurreferenties[bewerken]

Externe links[bewerken]