Discussion :

[kawther]

bonjour;
je voulais créer un hmm pour la reconnaissance des chiffres, j'ai un fichier mat contenant les vecteurs des caractéristiques, en effet je vais faire un balayage horizontale des images des chiffres et les vecteurs ne sont autres que les valeurs des pixels de l'images qui est binaire. comment je fait pour créer mon hmm, j'ai lu le tutoriel de la toolbox de Kevin Murphy mais je n'ai pas bien compris puisque tout est en anglais et il n'est pas détailler. pouvez vous m'aidez svp je serai très reconnaissante.

[FR119492]

Salut!

créer un hmm

A l'avenir, évite d'utiliser des abréviations, et surtout des abréviation anglaises: la même abréviation peut avoir une multitude de significations. Dans ton cas, il semble s'agir du modèle de Markov caché (en anglais Hidden Markov Models), ou plus correctement mais rarement employé, automate de Markov à états cachés.
D'autre part, avant de poser ta question, commence par voir si la réponse n'est pas déjà dans Wikipedia.
Jean-Marc Blanc

[kawther]

j'essaye de comprendre l'exemple fourni avec la toolbox, le problème c'est que je n'arrive pas à comprendre comment introduire mes données d'apprentissage.
voilà ce que je comprend de ce code

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
 
O = 3;
Q = 2;
 
% "true" parameters  --------- initialisation aléatoire des trois matrices 
prior0 = normalise(rand(Q,1));
transmat0 = mk_stochastic(rand(Q,Q));
obsmat0 = mk_stochastic(rand(Q,O));
 
% training data
T = 5;
nex = 10;
data = dhmm_sample(prior0, transmat0, obsmat0, T, nex);
 
% initial guess of parameters
prior1 = normalise(rand(Q,1));
transmat1 = mk_stochastic(rand(Q,Q));
obsmat1 = mk_stochastic(rand(Q,O));
 
% improve guess of parameters using EM
[LL, prior2, transmat2, obsmat2] = dhmm_em(data, prior1, transmat1, obsmat1, 'max_iter', 5);
LL
 
% use model to compute log likelihood
loglik = dhmm_logprob(data, prior2, transmat2, obsmat2)
% log lik is slightly different than LL(end), since it is computed after the final M step

ce que je n'arrive pas à comprendre, par exemple je voulai apprendre le chiffre 3 au modèle, pour décrire le chiffre 3 j'ai 27 vecteurs de taille 27 et j'ai 10 instances du chiffre 3. comment introduire ça à data.

[kawther]

bonjour;
je ne sais pas si je peux poser une question liée au sujet discuté dans cette discussion. Ma question concerne cette instruction

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

data = randn (O, T, nex )

je veux savoir la signification de la variable nex?
en fait, je fais de la reconnaissance de chiffre je vais programmer un HMM pour reconnaitre par exemple le chiffre 3 (j'ai 5 images de chiffre 3 comme base d'apprentissage) chaque chiffre est décrit par 27 vecteurs de taille 27 ces vecteurs corresponde aux pixels de l'image. Si je comprend bien dans mon cas j'aurai O=27, T=27 et nex=5. je veux savoir si c'est juste ou non. ma deuxième question c'est comment introduire mes vecteurs comme données d'apprentissage.
merci d'avance