سفارش پروژه – پروژه ی متلب

عنوان پروژه: طراحی، پیادهسازی و تحلیل یک روش متاهیوریتسک برای تخمین پارامترهای مدل مارکوف پنهان در این پروژه یک متد باید پیادهسازی شود به نحویکه با دریافت فایل txt.sequences_train( شامل ۱۰۰ رشته منتشر شده با طولهای متفاوت( بتواند دو ماتریس برای احتمال انتقاالت (A (و ماتریس احتمال انتشار یا تولید (E (را تخمین بزند و این دو ماتریس را به عنوان خروجی بدهد. بنابراین فایل ورودی برنامه شما در زمان آموزش تنها فایل txt.sequences_train است. الزم به ذکر است که تعاد حالتها (state (مدل مارکوف پنهان در این مثال ۳ حالت و تعداد کاراکترهای حروف الفبا ۵ حرف است. در رشتههای موجود در فایل txt.sequences_train هر کدام از اعداد نشاندهنده حروف مختلف الفبا است. یعنی حروف الفبا در اینجا مجموعه {“5″,”4″,”3″,”2”,”1 {“است. فاصله (space (بین حروف مختلف در این رشتهها صرفا برای جدا کردن حروف مختلف رشته از یکدیگر است. طول رشتهها بین ۲۰ حرف تا ۴۰ حرف متغیر است. پس از آنکه فاز آموزش به انتها رسید و برنامه شما دو ماتریس A و E را تخمین زد، مراحل زیر را به عنوان تحلیل متد خود انجام دهید: １ -فایل sequences_test( شامل ۱۰۰ رشته جدید( را دریافت کرده و likelihood این رشتهها تحت مدل را محاسبه کنید )یعنی مسئله اول HMM را برای آنها حل کنید( و likelihood تمام رشتهها را میانگین بگیرید. )نمونهای از پیادهسازی این مرحله در کد m.testprog نوشته شده است که به زبان MATLAB است اما شما میتوانید آن را به هر زبان دیگری بنویسید(. بنابراین در این مرحله شما یک عدد به دست میآورید که نشاندهنده احتمال درستنمایی رشتههای تست توسط ماتریسهای تخمینی متد پیشنهادی شماست. ２ -فایل txt.transition( ماتریس واقعی انتقاالت( را دریافت کرده و آن را با ماتریسی که متد شما برای احتمال انتقاالت (A (تخمین زده است مقایسه کنید. برای مقایسه این دو ماتریس را از هم کم کنید )یعنی دو ماتریس به سایز ۳ در ۳ دارید که درایه به درایه آنها را تفاضل میگیرید و در نهایت یک ماتریس با سایز ۳ در ۳ خواهید داشت(. سپس نرم-۲ ماتریس تفاضل را محاسبه کنید. ３ -فایل txt.Emission( ماتریس واقعی انتشار یا تولید( را دریافت کرده و آن را با ماتریسی که متد شما برای احتمال انتشار یا تولید (E( تخمین زده است مقایسه کنید. برای مقایسه این دو ماتریس را از هم کم کنید. سپس نرم-۲ ماتریس تفاضل را محاسبه کنید. ４ -زمان آموزش متد پیشنهادیتان را محاسبه کنید.یعنی از زمانی که متد شما فایل txt.sequences_train را دریافت میکند تا زمانیکه دو ماتریس احتمال انتقاالت (A (و ماتریس احتمال انتشار یا تولید (E (را تخمین میزند را محاسبه کنید که چقدر زمان میبرد. سعی کنید این کار را به صورت دستی و با کورنوتر یا هر وسیله دیگری انجام ندهید. بلکه در کد متدتان این کار ر به صورت کد بنویسید. یعنی کدتان این قابلیت را داشته باشد که زمان اجرا را اندازهگیری کند. پس از محاسبه ۴ مقدار فوق، این ۴ معیار را برای مقایسه با سایر الگوریتمها در نظر بگیرید. فایل txt.resultNormal شامل این ۴ معیار برای روشهای AntMarkov ،BaumWelch و training-Viterbi است. معیارهای روش خودتان را در این فایل بیفزایید. موارد زیر را باید تحویل دهید: １ -کد اجرایی برنامه )با هر زبان برنامهنویسی( ２ -ماتریس احتمال انتقاالتی که مدل شما تخمین زده است ３ -ماتریس احتمال انتشاراتی که مدل شما تخمین زده است ４ -معیارهایی که برای مقایسه مدلتان محاسبه کردهاید. یعنی در واقع معیارهای محاسبه شدهتان را در فایل txt.resultNormal درج کرده و فایل txt.resultNormal جدید را تحویل دهید.