How to use the HMM toolbox HMMs with discrete outputs Maximum likelihood parameter estimation using EM (Baum Welch)

mm_em.m function [LL, prior, transmat, obsmat, nrIterations] = ... dhmm_em(data, prior, transmat, obsmat, varargin) LEARN_DHMM Find the ML/MAP parameters of an HMM with discrete outputs using EM. [ll_trace, prior, transmat, obsmat, iterNr]

这是HMM算法里的训练功能的程序，是EM算法中的一种，即前向后向算法。-This is where the training function HMM algorithm procedure is an EM algorithm, the algorithm back before that.

EM 算法是求参数极大似然估计的一种方法，它可以从非完整数据集中对参数进行估计，是一种非常简单实用的学习算法。这种方法可以广泛地应用于处理缺损数据、截尾数据以及带有噪声等所谓的不完全数据，可以具体来说，我们可以利用EM算法来填充样本中的缺失数据、发现隐藏变量的值、估计HMM中的参数、估计有限混合分布中的参数以及可以进行无监督聚类等等。-Expectation Maximization image segmentation Input: ima: gr