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。它的状态不能直接观察到,但能通过观测向量序列观察到,每个观测向量都是通过某些概率密度分布表现为各种状态,每一个观测向量是由一个具有相应概率密度分布的状态序列产生。所以,隐马尔可夫模型是一个双重随机过程----具有一定状态数的隐马尔可夫链和显示随机函数集。
网上比较经典的例子是天气和骰子,我们就拿骰子说明:
假设我手里有三个不同的骰子:
- 第一个骰子是我们平常见的骰子(称这个骰子为D6),6个面,每个面(1,2,3,4,5,6)出现的概率是1/6。
- 第二个骰子是个四面体(称这个骰子为D4),每个面(1,2,3,4)出现的概率是1/4。
- 第三个骰子有八个面(称这个骰子为D8),每个面(1,2,3,4,5,6,7,8)出现的概率是1/8。
现在开始掷骰子:
- 挑骰子:从三个骰子里挑一个(挑到每一个骰子的概率都是1/3)
- 掷骰子:将得到一个数字(1,2,3,4,5,6,7,8中的一个)
不停的重复上述过程,我们会得到一串数字,例如我们可能得到这么一串数字(掷骰子10次):
1 6 3 5 2 7 3 5 2 4
我们称这串数字叫做可见状态链。