EM-Algorithmus für Hidden Markov Modelle
Der Code ist die Implementierung meiner Bachelorarbeit.
Die Methode EM nimmt Beobachtungen y, Anzahl der Zustände n und Anzahl der Ausgabesymbole m entgegen und gibt die Übergangsmatrix P, die Startwahrscheinlichkeiten pi, die Emissionsmatrix b und die Likelihood zurück.
Die Methode sampleHMM nimmt die Übergangsmatrix P, die Emissionswahrscheinlichkeiten b, die Startsahrscheinlichkeiten pi und die Anzahl der zu generierenden Beobachtungen T entgegen und gibt T Beobachtungen y und die zugehörigen Zustände z zurück.
Im Code sind Beispiele zur Anwendung der Methoden in Form von Test 1 bis Test 5 gegeben, wobei jedes Mal auch ein Plot erstellt wird. Dabei wird der EM-Algorithmus jeweils von 10 zufälligen Startposition gestartet.