public void ValueFromDistributionTest()
{
string filename = string.Empty; // TODO: инициализация подходящего значения
HMM_QPN target = new HMM_QPN(filename); // TODO: инициализация подходящего значения
DistributionPare[] DP = null; // TODO: инициализация подходящего значения
double[] expected = null; // TODO: инициализация подходящего значения
double[] actual;
actual = target.ValueFromDistribution(DP);
Assert.AreEqual(expected, actual);
Assert.Inconclusive("Проверьте правильность этого метода теста.");
}
private static int Max_Period(HMM_QPN Model)
{
int max_period = 0;//максимальная длительность по всем состояниям (у Рабинера D)
int i = 0;
for (i = 0; i <= Model.A.GetLength(0) - 1; i++)//определяем max_period
{
double[] f_values = Model.ValueFromDistribution(Model.F[i]);
int max_in_state = (int)HMM_QPN.MaxElementOfArray(f_values);
if (max_in_state > max_period)
{
max_period = max_in_state;
}
}
return(max_period);
}
public static double Likelihood(HMM_QPN Model, int[] res, out double[,] norm_alpha_par, out double[,] alpha_par, out double[] norm_coeff, out double prob)// считает вероятность того, что последовательность наблюдений res получена с помощью модели Model
//res numeruetsya ot 1
{
#region Описание переменных
int n = Model.A.GetLength(0); //число состояний
int T = res.Length - 1; //длина последовательности наблюдений
double[,] alpha = new double[n, T + 1]; //прямая переменная
double[,] auxiliary_alpha = new double[n, T + 1];
double[,] norm_alpha = new double[n, T + 1]; //нормированная прямая переменная
double[] c = new double[T + 1]; //коэффициенты нормировки
int max_period = 0; //максимальная длительность по всем состояниям (у Рабинера D)
#endregion
#region Определение максимальной длительности по всем состояниям
int i = 0;
for (i = 0; i < n; i++)//определяем max_period
{
double[] f_values = Model.ValueFromDistribution(Model.F[i]);
int max_in_state = (int)HMM_QPN.MaxElementOfArray(f_values);
if (max_in_state > max_period)
{
max_period = max_in_state;
}
}
#endregion
//преобразуем p_i(d) к виду ряда распределения где d принадлежит от 1 до D(то есть) max_period,а вероятность =0 если такой длины нет
#region Матрица плотностей длительностей состояний
float[,] length_density = new float[n, max_period + 1];//матрица плотностей длительности состояний.
//Второй индекс соответствует длине, значение - вероятности
for (i = 0; i < n; i++)
{
for (int d = 1; d <= max_period; d++)
{
length_density[i, d] = 0;//занулили все элементы матрицы
}
for (int j = 0; j < Model.F[i].Length; j++)
{
length_density[i, Model.F[i][j].value] = Model.F[i][j].probability;//изменили те элементы, для которых вероятность нулю не равна
}
}
#endregion
#region Старый вариант формул
//#region Для t=1
////для t=1
//c[1] = 0;
//for (i=0; i<n; i++)
//{
// if (length_density[i, 1] > 0)
// {
// float[] fi = new float[1];
// fi = HMM_QPN.integral(Model.Ro[i], Model.Ro[i].Length, 1);
// alpha[i, 1] = SymbolFinalProbability(Model, fi[0], 1, i, res[1]) * Model.Pi[i] * length_density[i, 1];
// auxiliary_alpha[i, 1] = SymbolFinalProbability(Model, fi[0], 1, i, res[1]) * Model.Pi[i] * length_density[i, 1];
// }
// else
// {
// alpha[i, 1] = 0;
// auxiliary_alpha[i, 1] =0;
// }
// c[1] += auxiliary_alpha[i, 1];
//}
//c[1] =(c[1]!=0)?1 / c[1]:0;//вычислили нормировочный коэффициент
//for (i = 0; i < n; i++)
//{
// norm_alpha[i, 1] = auxiliary_alpha[i, 1] * c[1];
//}
//#endregion
//#region Для 1<t<=D
////вторая строчка формулы
//int t=2;
//for (t = 2; (t <= max_period)&&(t<=T); t++)
//{
// c[t] = 0;
// for (i = 0; i < n; i++)
// {
// //первое слагаемое формулы 2
// float term1 = 0;
// if (length_density[i, t] > 0)
// {
// float[] fi = new float[t];
// fi = HMM_QPN.integral(Model.Ro[i], Model.Ro[i].Length, t);
// float prod_tilda_b1 = 1;//переменная для произведения b c волной
// for (int s = 1; s <= t; s++)
// {
// prod_tilda_b1 *= SymbolFinalProbability(Model, fi[s - 1], t, i, res[s]);
// }
// term1 = Model.Pi[i] * length_density[i, t] * prod_tilda_b1;
// }
// float term2 = 0;
// float norm_term2 = 0;
// for (int d = 1; d <= t - 1; d++)
// for (int j = 0; j < n; j++)
// {
// float prod_tilda_b2 = 1;
// if (length_density[i, d] > 0)
// {
// float[] fi2 = new float[d];
// fi2 = HMM_QPN.integral(Model.Ro[i], Model.Ro[i].Length, d);
// for (int s = t - d + 1; s <= t; s++)
// {
// prod_tilda_b2 *= SymbolFinalProbability(Model, fi2[s - t + d - 1],d, i, res[s]);
// }
// term2 += alpha[j, t - d] * Model.A[j, i] * length_density[i, d] * prod_tilda_b2;
// norm_term2 += norm_alpha[j, t - d] * Model.A[j, i] * length_density[i, d] * prod_tilda_b2;
// }
// }
// alpha[i, t] = term1 + term2;
// auxiliary_alpha[i, t] = term1 + norm_term2;
// c[t] += auxiliary_alpha[i, t];
// }
// c[t] = (c[t] != 0) ? 1 / c[t] : 0;
// for (i = 0; i < n; i++)
// {
// norm_alpha[i, t] = auxiliary_alpha[i, t] * c[t];
// }
//}
//#endregion
//#region Для t>D
////третья строчка формулы
//for (t = max_period + 1; t <= T; t++)
//{
// c[t] = 0;
// for (i = 0; i < n; i++)
// {
// float term = 0;
// float norm_term = 0;
// for (int d = 1; d <= max_period; d++)
// for (int j = 0; j < n; j++)
// {
// if (length_density[i, d] > 0)
// {
// float prod_tilda_b = 1;
// float[] fi = new float[d];
// fi = HMM_QPN.integral(Model.Ro[i], Model.Ro[i].Length, d);
// for (int s = t - d + 1; s <= t; s++)
// {
// prod_tilda_b *= SymbolFinalProbability(Model, fi[s - t + d - 1], d, i, res[s]);
// }
// term += alpha[j, t - d] * Model.A[j, i] * length_density[i, d] * prod_tilda_b;
// norm_term += norm_alpha[j, t - d] * Model.A[j, i] * length_density[i, d] * prod_tilda_b;
// }
// }
// alpha[i, t] = term;
// auxiliary_alpha[i, t] = norm_term;
// c[t] += auxiliary_alpha[i, t];
// }
// c[t] = (c[t] != 0) ? 1 / c[t] : 0;
// for (i = 0; i < n; i++)
// {
// norm_alpha[i, t] = auxiliary_alpha[i, t] * c[t];
// }
//}
// #endregion
#endregion Старый вариант формул
#region Для t=1
//для t=1
c[1] = 0;
for (i = 0; i < n; i++)
{
if (length_density[i, 1] > 0)
{
double[] fi = new double[1];
fi = HMM_QPN.integral(Model.Ro[i], Model.Ro[i].Length, 1);
alpha[i, 1] = SymbolFinalProbability(Model, fi[0], 1, i, res[1]) * Model.Pi[i] * length_density[i, 1];
auxiliary_alpha[i, 1] = SymbolFinalProbability(Model, fi[0], 1, i, res[1]) * Model.Pi[i] * length_density[i, 1];
}
else
{
alpha[i, 1] = 0;
auxiliary_alpha[i, 1] = 0;
}
c[1] += auxiliary_alpha[i, 1];
}
c[1] = (c[1] != 0) ? 1 / c[1] : 0;//вычислили нормировочный коэффициент
for (i = 0; i < n; i++)
{
norm_alpha[i, 1] = auxiliary_alpha[i, 1] * c[1];
}
#endregion
#region Для t<T
int t = 2;
for (t = 2; t <= T; t++)
{
c[t] = 0;
for (i = 0; i < n; i++)
{
double term = 0;
double norm_term = 0;
int D = max_period >= t ? t : max_period;
for (int d = 1; d <= D; d++)
{
for (int j = 0; j < n; j++)
{
if (length_density[i, d] > 0)
{
double prod_tilda_b = 1;
double[] fi = new double[d];
fi = HMM_QPN.integral(Model.Ro[i], Model.Ro[i].Length, d);
for (int s = t - d + 1; s <= t; s++)
{
prod_tilda_b *= SymbolFinalProbability(Model, fi[s - t + d - 1], d, i, res[s]);
}
term += alpha[j, t - d] * Model.A[j, i] * length_density[i, d] * prod_tilda_b;
norm_term += norm_alpha[j, t - d] * Model.A[j, i] * length_density[i, d] * prod_tilda_b;
}
}
}
alpha[i, t] = term;
auxiliary_alpha[i, t] = norm_term;
c[t] += auxiliary_alpha[i, t];
}
c[t] = (c[t] != 0) ? 1 / c[t] : 0;
for (i = 0; i < n; i++)
{
norm_alpha[i, t] = auxiliary_alpha[i, t] * c[t];
}
}
#endregion Для t<T
double probability = 0;
prob = 0;
double coeffsum = 0;
for (i = 0; i < n; i++)
{
// probability+=norm_alpha[i,T];
prob += alpha[i, T];
}
for (t = 1; t <= T; t++)
{
coeffsum += c[t];
}
probability = 1 / coeffsum;
alpha_par = alpha;
norm_alpha_par = norm_alpha;
norm_coeff = c;
return(probability);
}