hmm算法

A. hmm的无监督训练方法是什么算法

通用迭代算法

B. 毕业设计，我做语音情感识别，用matlab，在网上下载了一个用hmm算法的程序，但是看不懂，求指教40714899

HMM中 了解那三个问题的算法（即前向-后向算法、Viterbi算法和Baum-Welch算法）就可以迎刃而解了

C. HMM 多序列训练问题

我在多序列HMM训练中也遇到了相同的问题， 但是不太普遍，如11个检测序列可能其中会有3-4个左右出现概率为0的情况，个人感觉这种情况是由于训练时阈值选取不当造成的。我在训练时是通过每次参数刷新后计算前后两次前向概率并求查，随着循环的继续，差值会继续减小直到达到阈值时循环结束， 当阈值选取较小时（我的阈值为0.01）循环次数较多，最终得到的最优参数（A ，B，pi）中A B矩阵中会有许多0出现，而在计算前向概率时通过迭代公式计算scale[t]时但凡有一项是0得到的结果即为0。 个人感觉解决方法主要还要通过调整阈值与增加序列个数来实现。

D. 手势识别的课题谁做过我不会用HMM算法

我做过。那是隐马尔科夫，在语音识别中常用，可以从中国知网下论文看

E. 如何用简单易懂的例子解释隐马尔可夫模型

和HMM模型相关的算法主要分为三类，分别解决三种问题：
1）知道骰子有几种（隐含状态数量），每种骰子是什么（转换概率），根据掷骰子掷出的结果（可见状态链），我想知道每次掷出来的都是哪种骰子（隐含状态链）。
这个问题呢，在语音识别领域呢，叫做解码问题。这个问题其实有两种解法，会给出两个不同的答案。每个答案都对，只不过这些答案的意义不一样。第一种解法求最大似然状态路径，说通俗点呢，就是我求一串骰子序列，这串骰子序列产生观测结果的概率最大。第二种解法呢，就不是求一组骰子序列了，而是求每次掷出的骰子分别是某种骰子的概率。比如说我看到结果后，我可以求得第一次掷骰子是D4的概率是0.5，D6的概率是0.3，D8的概率是0.2.第一种解法我会在下面说到，但是第二种解法我就不写在这里了，如果大家有兴趣，我们另开一个问题继续写吧。
2）还是知道骰子有几种（隐含状态数量），每种骰子是什么（转换概率），根据掷骰子掷出的结果（可见状态链），我想知道掷出这个结果的概率。
看似这个问题意义不大，因为你掷出来的结果很多时候都对应了一个比较大的概率。问这个问题的目的呢，其实是检测观察到的结果和已知的模型是否吻合。如果很多次结果都对应了比较小的概率，那么就说明我们已知的模型很有可能是错的，有人偷偷把我们的骰子给换了。
3）知道骰子有几种（隐含状态数量），不知道每种骰子是什么（转换概率），观测到很多次掷骰子的结果（可见状态链），我想反推出每种骰子是什么（转换概率）。
这个问题很重要，因为这是最常见的情况。很多时候我们只有可见结果，不知道HMM模型里的参数，我们需要从可见结果估计出这些参数，这是建模的一个必要步骤。
问题阐述完了，下面就开始说解法。（0号问题在上面没有提，只是作为解决上述问题的一个辅助）

F. HMM工具箱有多观测样本序列问题的训练算法程序吗注意是多观测样本序列，不是多样本序列。

我最近也在找这个，这个叫MOHMM（multiple-observations HMMs），如果找到我发你邮箱。

G. 关于语音识别的HMM和MFCC的关系

MFCC用于HMM的训练（和识别）过程中，因为HMM中针对每一帧语音（或者每一个音素）有特征向量，而这里采用什么特征向量根据具体情况决定，可以选用MFCC

H. HMM 前向后向算法是怎么回事啊，最好带个例子。

前向就是把当前状态之前的可观测序列搞成一个概率，后向就是把当前状态之后的搞成一个概率，这样HMM参数就可以通过迭代的方法求解了，有个叫An introction to Hidden Markov Model的文章不错，可以看下

I. 非特定人语音识别 使用em算法 进行学习时 ， 得到的4个矩阵与hmm模型的三个数据有什么关系

不太清楚，应该是隐状态的转移概率吧