机器学习知识点(二十五)Java实现隐马尔科夫模型HMM之jahmm库
2017-05-16 15:52
726 查看
1、隐马尔可夫模型HMM的应用场景,关乎于序列和状态变化的都可以。
发现java有可库,专为开发HMM,可惜只能在CSDN上有得下载。
2、jahmm是java开发隐马尔科夫模型的一个jar包。
下载jahmm-0.6.1.rar包,源地址是google(国内无法访问),好在CSDN资源上有得下载,我也上传一个(零积分可下载):
http://download.csdn.net/detail/fjssharpsword/9843680
包里有jar还有html可以参照学习;userguide.pdf作为入门看,html是jar中类和函数说明,要重点看。
可惜包里没有源码,有兴趣可以jar反编译看看。
3、工程中引入jahmm-0.6.1.jar,导入结构图如下:
4、参照userguide.pdf建立的demo代码如下:
test.seq文件:保存成txt文件,结束要新行。
# A simple data file
[ 1.1 2.2 ];[ 4.4 5.5 ];[ 4.3 6.0 ];[ 7.7 8.8 ];
[ 0.5 1.5 ];[ 1.5 2.5 ];[ 4.5 5.5 ];[ 8.0 8.0 ];[ 7.0 8.0];
从userguide.pdf中找出的代码不痛不痒,看来要仔细看源码才能知道中间算法和具体实例应用。
发现java有可库,专为开发HMM,可惜只能在CSDN上有得下载。
2、jahmm是java开发隐马尔科夫模型的一个jar包。
下载jahmm-0.6.1.rar包,源地址是google(国内无法访问),好在CSDN资源上有得下载,我也上传一个(零积分可下载):
http://download.csdn.net/detail/fjssharpsword/9843680
包里有jar还有html可以参照学习;userguide.pdf作为入门看,html是jar中类和函数说明,要重点看。
可惜包里没有源码,有兴趣可以jar反编译看看。
3、工程中引入jahmm-0.6.1.jar,导入结构图如下:
4、参照userguide.pdf建立的demo代码如下:
package sk.ml; import java.io.FileReader; import java.io.Reader; import java.util.List; import be.ac.ulg.montefiore.run.jahmm.Hmm; import be.ac.ulg.montefiore.run.jahmm.ObservationInteger; import be.ac.ulg.montefiore.run.jahmm.ObservationVector; import be.ac.ulg.montefiore.run.jahmm.OpdfInteger; import be.ac.ulg.montefiore.run.jahmm.OpdfIntegerFactory; import be.ac.ulg.montefiore.run.jahmm.OpdfMultiGaussianFactory; import be.ac.ulg.montefiore.run.jahmm.io.ObservationSequencesReader; import be.ac.ulg.montefiore.run.jahmm.io.ObservationVectorReader; import be.ac.ulg.montefiore.run.jahmm.learn.KMeansLearner; public class HMMDemo { public static void main(String args[]) throws Exception{ Reader reader = new FileReader("D:\\tmp\\test.seq"); List<List<ObservationVector >> seqs = ObservationSequencesReader.readSequences (new ObservationVectorReader (),reader); reader.close (); KMeansLearner <ObservationVector > kml = new KMeansLearner <ObservationVector >(3, new OpdfMultiGaussianFactory(2) , seqs); Hmm <ObservationVector> fittedHmm = kml.learn (); System.out.println(fittedHmm.nbStates()); /* //给定高斯分布的均值和协方差矩阵 double [] mean = {2.0, 4.0}; double [][] covariance = { {3.0, 2.0}, {2.0, 4.0} }; OpdfMultiGaussian omg = new OpdfMultiGaussian (mean,covariance); //根据该分布生成10000个观测向量 ObservationVector[] obs = new ObservationVector[10000]; for (int i = 0; i < obs.length; i++) obs[i] = omg.generate(); //找到适合这些观测的高斯分布 omg.fit(obs); */ /*OpdfIntegerFactory factory = new OpdfIntegerFactory(2); Hmm<ObservationInteger> hmm = new Hmm<ObservationInteger>(2, factory); hmm.setPi(0, 0.95); hmm.setPi(1, 0.05); hmm.setOpdf(0, new OpdfInteger(new double[] { 0.95, 0.05 })); hmm.setOpdf(1, new OpdfInteger(new double[] { 0.2, 0.8 })); hmm.setAij (0, 1, 0.05); hmm.setAij (0, 0, 0.95); hmm.setAij (1, 0, 0.1); hmm.setAij (1, 1, 0.9);*/ } }
test.seq文件:保存成txt文件,结束要新行。
# A simple data file
[ 1.1 2.2 ];[ 4.4 5.5 ];[ 4.3 6.0 ];[ 7.7 8.8 ];
[ 0.5 1.5 ];[ 1.5 2.5 ];[ 4.5 5.5 ];[ 8.0 8.0 ];[ 7.0 8.0];
从userguide.pdf中找出的代码不痛不痒,看来要仔细看源码才能知道中间算法和具体实例应用。
相关文章推荐
- 机器学习知识点(八)感知机模型Java实现
- 机器学习知识点(三十)LDA话题模型Java实现
- 机器学习知识点(三)方差和标准差Java实现
- 机器学习知识点(四)最小二乘法Java实现
- 隐马尔科夫模型(HMM)讲解
- 机器学习知识点(六)增广矩阵求解拉格朗日乘子法的Java实现
- 机器学习知识点(二十四)隐马尔可夫模型HMM维特比Viterbi算法Java实现
- 机器学习知识点(十六)集成学习AdaBoost算法Java实现
- 机器学习知识点(一)文本字符信息熵Java实现
- 机器学习知识点(七)决策树学习算法Java实现
- 机器学习知识点(十九)矩阵特征值分解基础知识及Java实现
- 机器学习知识点(二十)矩阵奇异值分解基础知识及Java实现
- 机器学习知识点(十八)密度聚类DBSCAN算法Java实现
- 机器学习知识点(九)BP神经网络Java实现
- 机器学习知识点(五)梯度下降法Java实现
- 机器学习知识点(二)各类型平均数Java实现
- 隐马尔科夫模型(HMM)的概念
- 生产/消费模型的java实现
- 概率语言模型及其变形系列(5)-LDA Gibbs Sampling 的JAVA实现
- Java实现生产者——消费者模型