六、隐马尔可夫模型总结

1. 隐马尔可夫模型基本概念

隐马尔科夫模型是关于时序的概率模型，可用于标注问题，描述由一个隐藏的马尔科夫链生成不可观测的随机状态序列，再由各个状态生成可观测序列的过程。
隐马尔科夫模型由初始状态概率向量pi，状态转移概率矩阵A和观测概率矩阵B决定

2. 解决标注问题

马尔科夫模型可用于标注，这时状态对应着标记。标记问题是给定观测的序列，预测其对应的标记序列，

3. 马尔可夫三大问题？

（1）概率计算问题。已知模型参数和观测序列o，计算在该模型下，观测序列o出现的概率；
（2）学习问题。已知观测序列，估计模型的参数，使得在该模型下该观测序列的概率最大。即用最大似然估计的方法估计参数。
（3）预测问题。已知模型和观测序列，求一个状态序列，使得在该观测序列的条件下，这个状态序列出现的概率最大。
对应的求解算法：

• 向前算法(Forward Algorithm)、向后算法(Backward Algorithm)
• 鲍姆-韦尔奇算法(Baum-Welch Algorithm) (约等于EM算法)、极大似然估计
• 维特比算法(Viterbi Algorithm)