关于隐马尔可夫模型的一点信息

引自：http://zh.wikipedia.org/zh/隐马尔可夫模型

 

隐马尔可夫模型（Hidden Markov Model，HMM）是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析，例如模式识别。

在正常的马尔可夫模型中，状态对于观察者来说是直接可见的。这样状态的转换概率便是全部的参数。而在隐马尔可夫模型中,状态并不是直接可见的，但受状态影响的某些变量则是可见的。每一个状态在可能输出的符号上都有一概率分布。因此输出符号的序列能够透露出状态序列的一些信息。

 

有时间真的要好好看看下面的算法了。

 

HMM有三个经典(canonical)问题:
已知模型参数，计算某一特定输出序列的概率.通常使用forward算法解决.
已知模型参数，寻找最可能的能产生某一特定输出序列的隐含状态的序列.通常使用Viterbi算法解决.
已知输出序列，寻找最可能的状态转移以及输出概率.通常使用Baum-Welch算法以及Reversed Viterbi算法解决.

另外,最近的一些方法使用Junction tree算法来解决这三个问题。

相关的几个链接(有关语音识别的)

 

 

http://htk.eng.cam.ac.uk/

http://julius.sourceforge.jp/en_index.php

http://sourceforge.net/projects/speech2text/