资源描述：
《用java语言实现离散数学算法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、用JAVA语言实现离散数学算法*显示离散数学算法的真值表*提供将一个中缀合适公式的真值表输出到某一PrintStream流中的功能*以单个大写字母表示变量（支持26个变量）*以字符0或者1表示值*以~^&>-分别表示非析取合取条件双条件连接词*支持()（括号）*如果公式中有错误将不会输入真值表（将会输出错误信息）说明：以~^&>-分别表示非析取合取条件双条件连接词以单个大写字母表示变量（支持26个变量）以字符0或者1表示值，式子中的T与F支持()（括号）如果公式中有错误将不会输入真值表（将会输出错误信息）注意：输出的结果会同时显示到屏幕与该程序的同目录下的“真值表结果.txt
2、”文件中直接按回车键（输入为空）则会退出程序例如：输入A^B-(1&C)则会显示该合适公式是A^B-(1&C)ABCKey00001000010011010010101001101111收起在HMM模型中，已知隐藏状态的集合S，观察值的集合O，以及一个观察序列（o1,o2,...,on），求使得该观察序列出现的可能性最大的模型参数（包括初始状态概率矩阵π，状态转移矩阵A，发射矩阵B）。这正好就是离散数学算法要求解的问题：已知一系列的观察值X，在隐含变量Y未知的情况下求最佳参数θ*，使得：在中文词性标注里，根据为训练语料，我们观察到了一系列的词（对应离散数学中的X），如果每个词
3、的词性（即隐藏状态）也是知道的，那它就不需要用离散数学来求模型参数θ了，因为Y是已知的，不存在隐含变量了。当没有隐含变量时，直接用maximumlikelihood就可以把模型参数求出来。预备知识首先你得对下面的公式表示认同。以下都是针对相互独立的事件，P(A,B)=P(B
4、A)*P(A)P(A,B,C)=P(C)*P(A,B
5、C)=P(A,C
6、B)*P(B)=P(B,C
7、A)*P(A)P(A,B,C,D)=P(D)*P(A,B
8、D)*P(C
9、A)=P(D)*P(A,B
10、D)*P(C
11、B)P(A,B
12、C)=P(D1,A,B
13、C)+P(D2,A,B
14、C) D1,D2是事件D的
15、一个全划分理解了上面几个式子，你也就能理解本文中出现的公式是怎么推导出来的了。离散数学算法求解我们已经知道如果隐含变量Y是已知的，那么求解模型参数直接利用MaximumLikelihood就可以了。离散数学算法的基本思路是：随机初始化一组参数θ(0)，根据后验概率Pr(Y
16、X;θ)来更新Y的期望E(Y)，然后用E(Y)代替Y求出新的模型参数θ(1)。如此迭代直到θ趋于稳定。在HMM问题中，隐含变量自然就是状态变量，要求状态变量的期望值，其实就是求时刻ti观察到xi时处于状态si的概率，为了求此概率，需要用到向前变量和向后变量。向前变量向前变量 是假定的参数它表示t时刻满足状态
17、，且t时刻之前（包括t时刻）满足给定的观测序列的概率。1.令初始值2.归纳法计算3.最后计算复杂度向后变量向后变量 它表示在时刻t出现状态，且t时刻以后的观察序列满足的概率。1.初始值2.归纳计算E-Step定义变量为t时刻处于状态i，t+1时刻处于状态j的概率。 定义变量表示t时刻呈现状态i的概率。实际上 是从其他所有状态转移到状态i的次数的期望值。是从状态i转移出去的次数的期望值。是从状态i转移到状态j的次数的期望值。M-Step是在初始时刻出现状态i的频率的期望值，是从状态i转移到状态j的次数的期望值 除以 从状态i转移出去的次数
18、的期望值，是在状态j下观察到活动为k的次数的期望值 除以 从其他所有状态转移到状态j的次数的期望值, 然后用新的参数再来计算向前变量、向后变量、和。如此循环迭代，直到前后两次参数的变化量小于某个值为止。下面给出我的java代码：packagenlp;/***@authorOrisun*date2011-10-22*/importjava.util.ArrayList;publicclassBaumWelch{intM;//隐藏状态的种数intN;//输出活动的种数double[]PI;//初始状态概率矩阵double[][]A;//状态转移矩阵double[][]B;//
19、混淆矩阵ArrayListobservation=newArrayList();//观察到的集合ArrayListstate=newArrayList();//中间状态集合int[]out_seq={2,1,1,1,2,2,2,2,2,1,1,1,1,2,2,2,2,1,1,1,1,1,2,2,2,1,1,1,1,1,2,1};//测试用的观察序列int[]hidden_seq={1,1,1,1,2,2,2,2,2,2,2,2,2,
