《统计学习方法》隐马尔科夫模型

生成模型，一个关于时序的概率模型，由隐藏的马尔科夫链随机生成不可观测的状态序列，再有各个状态生成一个观测而产生观测序列的过程，由初始概率分布，状态转移概率分布以及观测概率分布确定。

隐藏的马尔科夫链随机生成状态的序列称为状态序列；每个状态生成一个观测，而由此产生的观测的随机序列，称为观测序列。

隐马尔科夫模型由初始概率向量，状态转移概率矩阵A以及观测概率矩阵B决定。和A确定了马尔科夫链，生成不可观测的状态序列，B确定了如何从状态生成观测，与状态序列综合确定了如何产生观测序列。

因此，隐马尔科夫模型可表示为：  三要素

隐马尔科夫模型做出了两个基本假设：

1.齐次马尔可夫性假设，即假设隐藏的马尔科夫链在热议时刻 t 状态只与其前一个状态有关，与其他时刻的状态及观测无关，与时刻t无关。

2.观测独立性假设，即假设任意时刻的观测只依赖于该时刻的马尔科夫链的状态，与其他观测及状态无关。