HMM算法概述（总结）

一：马尔科夫简述

    1.1 马尔科夫性质：设{X(t), t ∈ T}是一个随机过程，E为其状态空间，若对于任意的t 1 <t 2 < ...<t n <t，任意的x 1 ,x 2 ,...,x n ,x∈E，随机变量X(t)在已知变量X(t 1 )=x 1 ,...,X(t n )=x n 之下的条件分布函数只与X(t n )=x n 有关，而与X(t 1 )=x 1 ,...,X(t n-1 )=x n-1 无关，即条件分布函数满足下列等式，此性质称为马尔可夫性质。  

    即对于事件条件下Xn发生的概率可以用公式表达为：

    1.2 如果随机过程满足马尔可夫性，则该过程称为马尔可夫过程。

    1.3 马尔科夫链是指具有马尔可夫性质的随机过程。在过程中，在给定当前信息的情况下，过去的信息状态对于预测将来状态是无关的。

    1.4 马尔科夫链的三元素是：状态空间S、转移概率矩阵P、初始概率分布π。

二：HMM算法概述