隐马尔科夫链其应用.docVIP

隐马尔科夫链及其应用 学习概率的时候，大家一定都学过马尔科夫模型吧，当时就觉得很有意思，后来看了数学之美之隐马模型在自然语言处理中的应用后，看到隐马尔科夫模型竟然能有这么多的应用，并且取得了很好的成果，更觉的不可思议，特地深入学习了一下，这里总结出来。 马尔科夫过程 马尔科夫过程可以看做是一个自动机，以一定的概率在各个状态之间跳转。 考虑一个系统，在每个时刻都可能处于N个状态中的一个，N个状态集合是 {S1,S2,S3,...SN}。我们现在用q1,q2,q3,…qn来表示系统在t=1,2,3,…n时刻下的状态。在t=1时，系统所在的状态q取决于一个初始概率分布PI，PI(SN)表示t=1时系统状态为SN的概率。 马尔科夫模型有两个假设： 1.??????系统在时刻t的状态只与时刻t-1处的状态相关；（也称为无后效性） 2.??????状态转移概率与时间无关；（也称为齐次性或时齐性） 第一条具体可以用如下公式表示： P(qt=Sj|qt-1=Si,qt-2=Sk,…)= P(qt=Sj|qt-1=Si) 其中，t为大于1的任意数值，Sk为任意状态 第二个假设则可以用如下公式表示： P(qt=Sj|qt-1=Si)= P(qk=Sj|qk-1=Si) 其中，k为任意时刻。 下图是一个马尔科夫过程的样例图： 可以把状态转移概率用矩阵A表示，矩阵的行列长度均为状态数目，aij表示P(Si