隐马尔可夫模型及其应用.docVIP

隐马尔可夫模型及其应用 摘要：隐马尔可夫模型是序列数据处理和统计学习的重要概率模型，已经成功被应用到多工程任务中。本小论文首先从隐马尔可夫模型基本理论和模型的表达式出发，进而从隐马尔可夫模型的应用着手，最后对隐马尔可夫模型的最新应用进行简单介绍。 关键词：隐马尔可夫模型、评估问题、解码问题、学习问题、最新应用 1.引言 隐马尔可夫模型（Hidden Markov Model，HMM）作为一种统计分析模型，创立于20世纪70年代。80 年代得到了传播和发展，成为信号处理的一个重要方向，现已成功地用于 语音识别，行为识别，文字识别以及故障诊断等领域。 2. HMM的基本理论及其模型的表达式 2.1 HMM的基本理论 隐马尔可夫模型是马尔可夫链的一种，它的状态不能直接观察到，但能通过观测向量序列观察到，每个观测向量都是通过某些概率密度分布表现为各种状态，每一个观测向量是由一个具有相应概率密度分布的状态序列产生。所以，隐马尔可夫模型是一个双重随机过程----具有一定状态数的隐马尔可夫链和显示随机函数集。自20世纪80年代以来，HMM被应用于语音识别，取得重大成功。到了90年代，HMM还被引入计算机文字识别和移动通信核心技术“多用户的检测”。近年来，HMM在生物信息科学、故障诊断等领域也开始得到应用。 2.2HMM模型的表达 　　隐 马尔可夫模型（HMM）可以用五个元素