hidden markov model

gizli durumlar dizisi, gözlemler dizisi, durum geçiş olasılıkları matrisi, çıktı olasılıklarının dağılımı matrisi ve başlangıç değer vektör matrisinin bileşiği olan, gözlemler ve diğer mevzubahis elemanların yardımıyla saklı durumlar dizisinin tahmin edilmesini mümkün kılan bir modeldir.

Q = {q1, q2, ... qn} --> durum dizisi /sistemin i durumunda qi-de olduğunu gösterir
O = {o1, o2, ... ok} --> gözlemler
A= {a(ij)} --> i-deki qi durumundan j-deki qj durumuna geçiş olasılıgı // a matrisinin her satırı için satır elemanlarının toplamı 1 olmalıdır
B = {bi(0j)} --> i -de oj-yi gozlemleme ihtimali // satır elemanlarının toplamı 1 olmalıdır
P = {pi} --> baslangic deger vektoru // p-lerin toplamı 1 olacak.
(bkz: saklı markov modelleri)
(bkz: devam edecek)

sinyal islemede classifier(sınıflandırıcı) olarak kullanılan, coklukla konusma tanıma ve genetik kodların cozulmesinde faydalanılan stokastik bir model. hidden markov modelin babası lawrence rabiner'dir.

hidden markov modellerde adından da anlasılacagı uzere saklı stateler vardır, bunları genelde sinyali isleyecek olan insan belli bir mantıga göre olusturur. bunun yanında observation symbol denilen gorunen semboller vardır.

cok kabaca modelin sisteminden bahsedecek olursam, model pi adında bir olasılık matriksine göre ilk state'ini secer. sonra o state'de iken B isimli observation symbol olasılık matriksine göre bir sembol olusturur. bu sembol dizisinin ilk elemanıdır. daha sonra model a isimli stateler arası gecis olasılık matriksine göre baska bir state'e atlar. o state'de tekrar b matriksine göre baska bir sembol olusturur. bu sekilde belli bir zaman sonra bir sembol dizisi meydana gelir.
aslında zaten en basta elimizde sadece bu sembol dizisi vardır. amac bu sembol dizisini olusturacak hidden markov modeli bulmaktır, yani a,b ve pi matriksleri bulmaktır. iste efenim bu sekilde rastgele bir sinyali bir sablona oturtmaya calısırsınız.

(bkz: sozlukte tematik entryler de lazım)