隐马尔科夫模型之前向算法和维特比算法

       在马尔科夫模型简述的最后说到，隐马尔科夫模型用来解决三个问题：评估、解码和学习。

       在隐马尔科夫模型中，前向算法是用来评估，而维特比算法则是用来解码。

       评估：计算某个观察序列的概率

       对于一个隐马尔可夫模型，设其隐藏状态个数为N，其观察序列数为T。

       显然，对于某个观察序列，其隐藏状态序列共有N^T中可能情况，若采用穷举法求概率，其复杂度则为N^T。我们可以采用递归的方法来降低问题的复杂度，这就是前向算法。

       首先，定义：在t时刻，处于状态j的概率为α_t (j)，α_t (j) = P(观察序列 | q_j) * P(t时刻所有到达状态j的路径)；

       然后进行前向递归：