Hidden Markov model
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 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 eenvoudigste vorm van een dynamisch Bayesiaans netwerk.
Voorbeeld
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
- spraakherkenning
- optische tekenherkenning
- bio-informatica en genoomonderzoek
- voorspellen van genen in het genoom
- structureren van gelijkaardige DNA- en eiwitpatronen in "families"
- voorspellen van de secundaire eiwitstructuur op basis van de aminozuursequentie
Software
Literatuurreferenties
- Lawrence Rabiner, 1989. A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition.
- Kristie Seymore, Andrew McCallum, and Roni Rosenfeld. Learning Hidden Markov Model Structure for Information Extraction. AAAI 99 Workshop on Machine Learning for Information Extraction, 1999. (ook op CiteSeer)
Externe links
- Hidden Markov Model (HMM) Toolbox for Matlab (door Kevin Murphy)
- Hidden Markov Models (een expositie gebruikmakende van basiswiskunde)
- GHMM Library (home page of the GHMM Library project)
- Jahmm: (An Implementation of Hidden Markov Models in Java)
- Een stap-bij-stap uitleg over HMMs (University of Leeds)