2021SC@SDUSC
马尔可夫模型
概念导入
在某段时间内,交通信号灯的颜色变化序列是:红色 - 黄色 - 绿色 - 红色。
在某个星期天气的变化状态序列:晴朗 - 多云 - 雨天。
像交通信号灯一样,某一个状态只由前一个状态决定,这就是一个一阶马尔可夫模型。而像天气这样,天气状态间的转移仅依赖于前 n 天天气的状态,即状态间的转移仅依赖于前 n 个状态的过程。这个过程就称为n 阶马尔科夫模型。
不通俗的讲,马尔可夫模型(Markovmodel)描述了一类重要的随机过程,随机过程又称随机函数,是随时间而随机变化的过程。
马尔可夫模型定义
存在一类重要的随机过程:如果一个系统有 N 个状态,随着时间的推移,该系统从某一状态转移到另一状态。如果用 表示系统在时间 t 的状态变量,那么 t 时刻的状态取值为(1<=j<=N)的概率取决于前 t-1 个时刻(1, 2, …, t-1)的状态,该概率为:
1,假设一:如果在特定情况下,系统在时间 t 的状态只与其在时间 t-1 的状态相关,则该系统构成一个离散的一阶马尔可夫链:
2,假设二:**如果只考虑独立于时间 t 的随机过程,状态与时间无关,那么
即:t 时刻状态的概率取决于前 t-1 个时刻(1, 2, …, t-1)的状态,且状态的转换与时间无关,则该随机过程就是马尔可夫模型。
HMM(隐马尔可夫模型)
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。然后利用这些参数来作进一步的分析,例如模式识别。
是在被建模的系统被认为是一个马尔可夫过程与未观测到的(隐藏的)的状态的统计马尔可夫模型。