γt(i)的推导
γt(i)代表t时刻状态为i的概率。
用公式表达为:
γt(i)=P(it=qi∣O,λ)=P(O∣λ)P(it=qi,O∣λ)=∑j=1NP(it=qi,O∣λ)P(it=qi,O∣λ)=∑j=1Nαt(i)βt(i)αt(i)βt(i)贝叶斯公式,P(A∣B)=P(B)P(A,B)公式说明1 公式说明
根据前向概率和后向概率的字义,得:
αt(i)βt(i)=P(o1,o2,⋯,ot,it=qi∣λ)∗P(ot+1,ot+2,⋯,oT∣it=qi,λ)=P(o1,o2,⋯,ot∣it=qi,λ)∗P(ot+1,ot+2,⋯,oT∣it=qi,λ)∗P(it=qi∣λ)=P(O∣it=qi,λ)∗P(it=qi∣λ)=P(O,it=qi∣λ) 我的推导方法可能比较笨。
ξt(i,j)的推导