隐马尔可夫模型(Hidden Markov Model,HMM)
马尔科夫假设
随机过程中各个状态 S t S_t St的概率分布,只与它的前一个状态 S t − 1 S_{t-1} St−1有关,即
P ( S t ∣ S 1 , S 2 , S 3 , … , S t − 1 ) = P ( S t ∣ S t − 1 ) P(S_t|S_1,S_2,S_3,…,S_{t-1}) = P(S_t|S_{t-1}) P(St∣S1,S2,S3,…,St−1)=P(St∣St−1)
对于一些实际情况中的概率关系(比如天气预报)显然是不够合理的,但至少给出了一个相对准确的近似解
符合马尔科夫假设的随机过程称为马尔科夫过程,或马尔科夫链
上图中圆圈表示状态,圆圈间的箭头表示状态的转化,箭头的权值 P ( x i + 1 , t ∣ x i , j ) P(x_{i+1,t}|x_{i,j}) P(xi+1,t∣xi,j)代表由状态 x i , j x_{i,j} xi,j向状态 x i + 1 , t {x_{i+1,t}} xi+1,t转移的概率,此处 x i , j x_{i,j} xi,j均取自同一个状态集合,之间互相转化。
隐马尔科夫链
在马尔科夫链的基础上引入隐马尔科夫链,任一时刻t的状态 S t S_t