matlab隐马尔科夫工具箱训练模型代码

以下是一个简单的使用MATLAB隐马尔科夫工具包（HMM）训练模型的代码示例：

% 假设我们有一个观察序列X，其中每个观察值都是1、2或3。
% 我们将使用HMM工具箱训练一个3状态模型。

% 设置观察序列X
X = [1 2 3 1 2 3 1 2 3];

% 定义HMM模型参数
nStates = 3; % 状态数
nSymbols = 3; % 观察值数
prior = normalise(rand(nStates,1)); % 初始状态概率
transmat = mk_stochastic(rand(nStates,nStates)); % 状态转移矩阵
obsmat = mk_stochastic(rand(nStates,nSymbols)); % 观察概率矩阵

% 训练模型
[LL, prior2, transmat2, obsmat2] = dhmm_em(X, prior, transmat, obsmat, 'max_iter', 100);

% 输出结果
disp('原始模型：');
disp(['初始状态概率：', num2str(prior)]);
disp(['状态转移矩阵：', num2str(transmat)]);
disp(['观察概率矩阵：', num2str(obsmat)]);
disp('训练后的模型：');
disp(['初始状态概率：', num2str(prior2)]);
disp(['状态转移矩阵：', num2str(transmat2)]);
disp(['观察概率矩阵：', num2str(obsmat2)]);

% 可视化结果
figure;
subplot(3,1,1);
imagesc(prior);
title('原始模型初始状态概率');
subplot(3,1,2);
imagesc(transmat);
title('原始模型状态转移矩阵');
subplot(3,1,3);
imagesc(obsmat);
title('原始模型观察概率矩阵');

figure;
subplot(3,1,1);
imagesc(prior2);
title('训练后模型初始状态概率');
subplot(3,1,2);
imagesc(transmat2);
title('训练后模型状态转移矩阵');
subplot(3,1,3);
imagesc(obsmat2);
title('训练后模型观察概率矩阵');

% 计算对数似然
LL2 = dhmm_logprob(X, prior2, transmat2, obsmat2);
disp(['训练后模型对数似然：', num2str(LL2)]);