1)隐马尔科夫模型的引入
隐马尔科夫模型(hidden Markov model, HMM)是可以用于标准问题的统计学习模型,在语音识别、自然语言处理、生物信息、模式识别等领域有着广泛的应用。
先给出隐马尔科夫模型的定义:
给出严格的数学解释之前,先看个例子:
对于A、B、π的值,相信没有疑问,但是他们到底是指什么呢?下面给出严格的数学解释:
从上面的数学解释中,可以看出隐马尔科夫模型有两个基本假设:
经过上面的叙述,可以得到下面两个严格的数学问题:
a)观测序列产生算法:
b)隐马尔科夫模型的三种问题:
2)计算观测序列出现的概率
3)学习模型的参数
4)预测最有可能产生观测序列的状态序列
上面三个问题还是看原书吧,都是些推导公式,仔细看解释还是能明白的!