Algorithm hmm转移矩阵估计

在量子物理实验的背景下，我感兴趣的是估计描述我实验的隐马尔可夫模型的一些参数。我知道Baum-Welch算法用于估计hmm的所有参数。但是，我只对估计转移矩阵感兴趣，因为我有估计发射矩阵的额外数据。 最好的方法是什么？我是否可以使用Baum-Welch算法仅更新转移矩阵，同时保持发射矩阵不变，或者是否有更好的方法

---

[我感兴趣的hmm只有两个隐藏状态和两个（或四个）输出状态。]

如果你知道排放分布，你可以解码状态序列（假设统一过渡矩阵），并将观察到的解码过渡矩阵反馈给模型，并重复，直到过渡矩阵自洽

如果您已经知道发射矩阵是什么，Baum-Welch算法不需要您根据数据估计发射矩阵。谢谢您的回复。还有其他约束参数的方法，例如，在一个具有两种状态“a”和“b”的隐马尔可夫模型的情况下，我们希望在p（a->b）=p（b->a）的约束条件下估计转移概率p（a->b），听起来不错，但请检查是否仍然适用。如果你找到一个θ，使得Q（θ|θ（t））>=Q（θ（t）|θ（t）），那么证明说，L（θ）>=L（θ（t））-这是EM证明，你的θ的修正值提供了一个对数似然，至少和你从θ（t）开始给出的似然一样好。如果您有一个约束，例如p（a->b）=p（b->a），那么只要您最大化受约束的Q（），并从约束保持的点开始，您可能就可以了。