基于隐马尔可夫模型的后验译码
hmmus的Python项目详细描述
关于hmmus
hmmus有一些 hmm算法的c实现 使用python绑定, 在以下条件下,它将非常有用:
- 要分析的观测序列太长了 它不方便装入内存。
- 每个位置每个隐藏状态的可能性已预先计算。
- 数值稳定性很重要,但不是那么重要 输出上的错误界限是必需的。
- 速度很重要。
- 隐藏状态的数目很小。
- 隐藏态之间跃迁的概率矩阵是稠密的。
- 二进制数据文件可以作为输入和输出。
在以下情况下,此项目尤其无用:
- 需要用户友好或教学信息丰富的软件。
- 所有数据都能装入RAM,数值稳定性不是问题。
- 隐藏状态转换由大型稀疏图定义。
- 发射分布不复杂(如有限或正态分布)。
- 每个隐藏状态都会发出不同数量的观测值。
- 使用除开始和停止状态以外的静默状态。