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