【1】参考:http://blog.csdn.net/pipisorry/article/details/46618991
【2】确定性模型:每一个状态都依赖于前一个状态。比如说红灯-黄灯-绿灯。是有顺序的
【3】非确定性模型:
马尔科夫假设:假设模型的当前状态仅仅依赖于前面几个状态。一个马尔科夫过程是状态间的转移仅依赖于前n个状态的过程。这个过程被称之为n阶马尔科夫模型。
非确定性原因是不确定由哪n个状态去决定,这里有一个概率值。
【4】隐藏模式:未看
【5】马尔可夫模型:
马尔可夫模型表示观测序列的联合概率分布为:
如何理解这个式子呢?
1.首先因为不独立,独立了还依赖什么状态呀!所以不能写成各项概率之积。所以为联合概率可用贝叶斯公式展开。
P(X1,...,XN)=P(X1,...,XN-1)*P(XN|X1,...,XN-1)
2.展开时可以从递归去理解。
3.展开后的条件概率的意思是xN发生了概率和前N-1项有关,理解这项,当只于前2项有关时可做适当公式调整得到
eg:一阶马尔可夫链:
【6】本次复习是自然语言课应用于马尔可夫到了 句法结构(句子中,一个词和它前面的n个词有关)
【7】遇到其他相关知识点可参考上文链接