26
1. Discrete Hidden Markov Model (DHMM)
Menggunakan probabilitas keluaran diskret nonparameter berdasarkan proses
kuantisasi vektor sebelumnya.
2. Continuous
Hidden
Markov
Model
(CHMM)
Menggunakan
kerapatan
parameter pada model untuk probabilitas keluarannya.
2.5. Teorema Bayes
Teori
ini
dikemukakan
oleh
Thomas
Bayes.
Teorema
Bayes
adalah
kebalikan
dari
probabilitas
kondisional
P(A|B)
atau
disebut
posteriori
probability,
dimana
dalam
teorema
Bayes
:
keadaan
probabilitas dari
kejadian
awal
diberikan
untuk
melihat
kejadian yang mungkin akan terjadi kemudian.
Bentuk umum Teorema Bayes :
P(Hi|E)
=
P(EnHi)
?
P(EnHj)
=
P(E|Hi) P(Hi)
?
P(E|Hj) P(Hj)
=
P(E|Hi) P(Hi)
P(E)
Setelah
penggunaan
model
markov
untuk
mendapatkan kata
seperti
apa
yang
didengar
oleh
komputer,
ada
kemungkinan
kemputer
menghasilkan
kata
yang
sedikit
bias dari kata
yang sebenarnya. Untuk
menghindari ini digunakan bayes untuk membuat
sebuah
pohon
keputusan. Pohon
keputusan
secara
kasar
seperti
pada
pohon
keputusan
ini:
 |