北京大学生物信息学学习(6)隐含马尔可夫模型

马尔可夫链(时间和状态都离散的状态组合)

https://www.bilibili.com/video/BV13t411G7oh?p=14

隐含马尔可夫模的例子

状态路径和符号路径

给定一个基因序列，来预测基因的编码和非编码区(编码和非编码为不可见的状态)

在这个过程中，需要转移概率矩阵(即状态转移的一个概率矩阵)

需要生成概率，在此处也就是(在编码条件下和非编码条件下，AT,G,C出现的概率，这个需要根据大量的统计数据集进行统计分析或者预测分析)

需要训练集，一个已知注释过的编码和非编码注释过的数据集，需要一个长的数据集，来得到上面矩阵中的数据即编码和非编码的概率以及在编码和非编码的情况下的A,T,C,G的概率。

那么经过上述的训练数据集得到了上述的两个矩阵，那么接下来，通过模型构建，我们来预测未知的序列是编码和非编码区的概率。

在此，为了避免数据太小产生的数据下溢，所以老师对数据进行log 转化，以下是计算数据的一个转移的状态矩阵，首先假设从非编码状态开始n的取值是0.2和0.8 的一个log 转换,因此乘法运算再次转换成了加法运算。

对于上述的隐含马尔可夫模型的例子

Example 1

女盆友的状态开心or 不开心

行为 Kiss、Beat、Do nothing

对于每一个状态之间的转换之和为1

那么根据第三天女盆友的状态Do nothing 来猜测女盆友的状态，开心or 不开心????

Example2 5'剪切位点的识别

输出的状态外显子E 5识别位点，内含子I

Example 3 Coding region 的预测，基于起始密码子ATG 和终止密码子TAA 的计算方法。

Example 4 原核生物的基因的定义

Example5 真核生物的基因

Example6真核基因2

Example7 天气和水藻的状态

隐含马尔可夫模型的评估的方法前向算法和反向算法维特比算法和BW 算法

Example8 利用HMM模型来寻找CNV

CNV 的明确定义

转移矩阵

2个生成矩阵

北京大学生物信息学学习(6)隐含马尔可夫模型相关推荐

转：从头开始编写基于隐含马尔可夫模型HMM的中文分词器
http://blog.csdn.net/guixunlong/article/details/8925990 从头开始编写基于隐含马尔可夫模型HMM的中文分词器之一 - 资源篇首先感谢52nlp的 ...
从头开始编写基于隐含马尔可夫模型HMM的中文分词器之一 - 资源篇
首先感谢52nlp的系列博文(http://www.52nlp.cn/),提供了自然语言处理的系列学习文章,让我学习到了如何实现一个基于隐含马尔可夫模型HMM的中文分词器. 在编写一个中文分词器前,第 ...
数学之美系列三 -- 隐含马尔可夫模型在语言处理中的应用
发表者:吴军,Google 研究员前言:隐含马尔可夫模型是一个数学模型,到目前为之,它一直被认为是实现快速精确的语音识别系统的最成功的方法.复杂的语音识别问题通过隐含马尔可夫模型能非常简单地被表述. ...
隐含马尔可夫模型在语言处理中的应用(Z)
Original address: http://www.google.com.hk/ggblog/googlechinablog/2006/04/blog-post_1583.html 数学之美系 ...
数学之美-隐含马尔可夫模型-笔记
<数学之美>吴军著第二版 --读书笔记原理通信模型: Created with Raphaël 2.1.2信息.上下文信息.上下文传递的信息传递的信息接收的信息接收的信息(s1,s ...
以拼音输入法（自然语言处理）为例，简单理解隐含马尔可夫模型
最近在学习语音&搜索方面的知识,属于从门外汉起步,很多这方面的书在讲解的时候都是要求有相关知识背景或者是一堆公式让像我这样不是学计算机出身而且数学也学得不好的菜鸟看得头晕眼花的,因此特地写 ...
《数学之美》读书记录【思维导图记录】：第五章，隐含马尔可夫模型
隐含马尔可夫模型: 补充资料: 状态转移矩阵: 状态转移矩阵是俄国数学家马尔科夫提出的,他在20世纪初发现:一个系统的某些因素在转移过程中,第n次结果只受第n-1的结果影响,即只与当前所处状态有关,而 ...
数学之美——隐含马尔科夫模型
隐含马尔科夫模型由美国数学家鲍姆等人在20世纪6070年代提出. 马尔科夫链:也称马尔科夫过程,指符合马尔科夫假设的随机过程. 某个特定的状态序列s1,s2,s3--产生输出序列o1,o2,o3--的 ...
《数学之美》第5章隐含马尔可夫模型
1 通信模型通信的本质就是一个编解码和传输的过程. 当自然语言处理的问题回归到通信系统中的解码问题时,很多难题就迎刃而解了. 雅格布森通信六要素是:发送者(信息源),信道,接受者,信息, 上下文和编 ...

北京大学生物信息学学习(6)隐含马尔可夫模型

北京大学生物信息学学习(6)隐含马尔可夫模型相关推荐

最新文章

热门文章