×
Kuljus，克里斯蒂；尤里·莱伯

HMM中MAP推理的准确性。 （英语） Zbl 1351.60093号

Methodol公司。计算。申请。普罗巴伯。 18，第3期，597-627（2016）.
摘要：在隐马尔可夫模型中，通常无法观察到潜在的马尔可夫链。通常，具有最大后验概率的状态路径（维特比路径）被用作其估计。虽然维特比路径具有最大的后验概率，但通过低边缘后验概率的状态，其行为可能非常不典型。为了避免这种情况，可以修改Viterbi路径以绕过这种状态。本文提出并研究了用这种方法改进维特比路径的迭代过程。将迭代方法与简单的批处理方法其中一些概率较低的状态同时被替换。可以看出，调整Viterbi状态路径的迭代方法更有效，并且与批处理方法相比具有多个优点。当有可能揭示某些隐藏状态并估计未观察到的状态序列时，可以使用改进Viterbi路径的相同迭代算法主动学习任务。批处理方法和迭代方法基于分类概率Viterbi小路。分类概率在为两种算法中使用的阈值参数确定合适的值时起着重要作用。因此，研究了不同条件下分类概率对模型参数的影响。

引用于三文件

MSC公司：

60J10型 马尔可夫链（离散状态空间上的离散时间马尔可夫过程）
60J22型 马尔可夫链中的计算方法
62米05 马尔可夫过程：估计；隐马尔可夫模型
65立方厘米 马尔可夫链的数值分析或方法

关键词：

隐马尔可夫模型；维特比状态路径；分段；主动学习；分类概率

软件：

PennCNV公司
PDF格式BibTeX公司 XML格式引用
\textit{K.Kuljus}和\textit{J.Lember}，Methodol。计算。申请。普罗巴伯。18，第3号，597--627（2016；Zbl 1351.60093）
全文： DOI程序

参考文献：

[1] Bahl LR，Cocke J，Jelinek F，Raviv J（1974）线性码的最优译码以最小化符号错误率（对应）IEEE Trans-Inf理论20（2）：284-287·Zbl 0322.94005 ·doi:10.1109/TIT.1974.1055186
[2] BrejováB，Brown DG，VinařT（2007）HMM中最可能的注释问题及其在生物信息学中的应用。计算机系统科学杂志73（7）：1060-1077·Zbl 1121.92003年 ·doi:10.1016/j.jcss.2007.03.011
[3] Brushe GD，Mahony RE，Moore JB（1998）一种用于ML/MAP序列估计的软输出混合算法。IEEE Trans-Inf理论44（7）：3129-3134·Zbl 0932.94007号 ·doi:10.1109/18.737542
[4] Cao L，Chen CW（2003）一种用于噪声信道上图像传输的新型产品编码和循环交替解码方案。IEEE Trans Commun 51（9）：1426-1431·doi:10.1109/TCOMM.2003.816941
[5] CappéO，Moulines E，Rydén T（2005），隐马尔可夫模型中的推断。纽约州施普林格·Zbl 1080.62065号
[6] Colella S、Yau C、Taylor JM、Mirza G、Butler H等人（2007）QuantiSNP：一种客观的Bayes Hidden-Markov模型，用于使用SNP基因分型数据检测和准确绘制拷贝数变化。核酸研究35（6）：2013-2025·doi:10.1093/nar/gkm076
[7] Doob JL（1953）《随机过程》。纽约威利·Zbl 0053.26802号
[8] Durbin R、Eddy SR、Krogh A、Mitchison G（1998）《生物序列分析：蛋白质和核酸的概率模型》。剑桥大学出版社·Zbl 0929.92010号 ·doi:10.1017/CBO9780511790492
[9] Ephraim Y，Merhav N（2002）隐马尔可夫过程。IEEE跨信息理论48（6）：1518-1569·兹比尔1061.94560 ·doi:10.1109/TIT.2002.1003838
[10] Gerencsér L，Molnár-Sáska G（2002）隐马尔可夫模型估计分析的新方法。附：第十五届国际会计师联合会世界大会会议记录，西班牙巴塞罗那·Zbl 1136.93456号
[11] Hayes JF，Cover TM，Riera JB（1982）最优序列检测和逐符号最优检测：类似算法。IEEE Trans Commun 30（1）：152-157·Zbl 0484.94007号 ·doi:10.1109/TCOM.1982.1095391
[12] Jelinek F（1997）语音识别的统计方法。麻省理工学院出版社，剑桥·Zbl 1504.68003号
[13] Koloydenko A，Lember J（2008）两状态隐马尔可夫模型中的无限维特比对齐。塔尔图大学数学学报评论12:109-124·Zbl 1166.62062号
[14] Koski T（2001）《生物信息学的隐马尔可夫模型》，计算生物学系列第2卷。多德雷赫特Kluwer学术出版社·Zbl 0983.92001号 ·doi:10.1007/978-94-010-0612-5
[15] Kuljus K，Lember J（2012）维特比分割的渐进风险。Stoch过程应用122（9）：3312-3341·Zbl 1251.62033号 ·doi:10.1016/j.spa.2012.05.014
[16] Le Gland F，Mevel L（2000）隐马尔可夫模型中的指数遗忘和几何遍历性。数学。控制信号系统13（1）:63-93·Zbl 0941.93053号 ·doi:10.1007/PL00009861
[17] Lember J（2011a）关于隐马尔可夫模型平滑概率近似值的修正。统计概率快报81（9）：1463-1464·Zbl 1274.62646号 ·doi:10.1016/j.spl.2011.04.009
[18] Lember J（2011b）关于隐马尔可夫模型平滑概率的近似。统计概率Lett 81（2）：310-316·Zbl 1205.62144号 ·doi:10.1016/j.spl.2010.10.019
[19] Lember J，Koloydenko A（2008）隐马尔可夫模型的调整维特比训练。伯努利14（1）：180-206·Zbl 1168.60033号 ·doi:10.3150/07-BEJ105
[20] Lember J，Koloydenko A（2010）Viterbi过程存在性的构造性证明。IEEE Trans-Inf理论56（4）：2017-2033·Zbl 1366.60096号 ·doi:10.10109/TIT.2010.2040897
[21] Lember J，Koloydenko A（2014）桥接Viterbi和后验译码：基于隐马尔可夫模型的隐路径推断的广义风险方法。J Mach学习研究15:1-58·Zbl 1318.62273号
[22] Lember J，Kuljus K，Koloydenko A（2011）分割理论。在：Dymarsky P（ed）隐马尔可夫模型，理论和应用。InTech，第51-84页
[23] Li J，Gray RM，Olshen RA（2000）用二维隐马尔可夫模型分层建模进行多分辨率图像分类。IEEE传输信息理论46（5）：1826-1841·Zbl 1002.94002号 ·数字对象标识代码：10.1109/18.857794
[24] Och FJ，Ney H（2000）改进的统计对齐模型。收录：Proc 38th ann meet assoc comput linguistics，pp 440-447·Zbl 0850.62933号
[25] Rabiner LR（1989）语音识别中隐藏马尔可夫模型和选定应用的教程。程序IEEE 77（2）：257-286·数字对象标识代码：10.1109/5.18626
[26] Rue H（1995）贝叶斯成像中的新损失函数。美国统计协会杂志90（431）：900-908·Zbl 0850.62933号 ·doi:10.1080/01621459.1995.10476589
[27] Sznitman R，Jedynak B（2010）《人脸检测和定位的主动测试》。IEEE跨模式分析-马赫积分32（10）：1914-1920·doi:10.1109/TPAMI.2010.106
[28] Udupa RU，Maji HK（2005）对齐生成器理论及其在统计机器翻译中的应用。收件人：Kaelbling LP，Saffiotti A（eds）《第19届国际人工智能联合会议（IJCAI-05）会议记录》，苏格兰爱丁堡，第1142-1147页·Zbl 1251.62033号
[29] Viterbi AJ（1967）卷积码的误差界和渐近最优解码算法。IEEE Trans-Inf理论13（2）：260-269·Zbl 0148.40501号 ·doi:10.1109/TIT.1967.1054010
[30] Wang K，Li M，Hadley D，Liu R，Glessner J等人（2007）《PennCNV：一种用于全基因组SNP基因分型数据中高分辨率拷贝数变异检测的集成隐马尔可夫模型》。基因组研究17:1665-1674·数字对象标识代码：10.1101/gr.6861907
[31] Winkler G（2003）图像分析，随机场和马尔可夫链蒙特卡罗方法，随机建模和应用概率第27卷。柏林施普林格·Zbl 1008.68147号 ·数字对象标识代码：10.1007/978-3-642-55760-6
[32] Yau C，Holmes CC（2013），分段分类的决策理论方法。Ann Appl Stat 7（3）：1814-1835年·Zbl 1454.62206号 ·doi:10.1214/13-AOAS657
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。