隐马尔科夫模型.pdfVIP

目录 1. 隐马尔科夫模型的基本概念 2. 概率计算算法 3. 学习算法 4. 预测算法 一、隐马尔科夫模型的基本概念 隐马尔科夫模型的定义 观测序列的生成过程 应马尔科夫模型的3个基本问题 隐马尔科夫模型的定义 隐马尔可夫模型是关于时序的概率模型; 描述由一个隐藏的马尔可夫链随机生成不可观测的状态 随机序列(state sequence)，再由各个状态生成一个观测 而产生观测随机序列(observation sequence )的过程,序 列的每一个位置又可以看作是一个时刻。 隐马尔科夫模型 组成 初始概率分布 状态转移概率分布 观测概率分布 Q：所有可能状态的集合 V ：所有可能观测的集合 I: 长度为T 的状态序列 O：对应的观测序列 隐马尔科夫模型 组成 A ：状态转移概率矩阵 隐马尔科夫模型 组成 B：观测概率矩阵  ：初始状态概率向量 隐马尔科夫模型 三要素 两个基本假设 齐次马尔科夫性假设，隐马尔可分链t 的状态只和t-1状态