一、马尔可夫模型
马尔可夫性(无后效性)
– 过程(或系统)“将来”的情况与“过去”的情况无关,则成过程(或系统)具有马尔可夫性– 具有马尔可夫性的随机过程称为马尔可夫过程
– 时间和状态都是离散的马尔可夫过程称为马尔可夫链
转移概率
称条件概率为马氏链在时刻m处于状态ai条件下,在时刻m+n转移到状态aj的转移概率。
说明: 转移概率具有特点
由转移概率组成的矩阵称为马氏链的转移概率矩阵.
此矩阵的每一行元素之和等于1.它是随机矩阵.
平稳性
当转移概率 Pij(m, m+n) 只与 i, j 及时间间距n有关时, 称转移概率具有平稳性. 同时也称此链是齐次的或时齐的.
反射壁:走到某端点必弹向另一边
吸收壁:走到某端点被吸收
转移概率决定了马氏链的运动的统计规律.
确定马氏链的任意n步转移概率成为马氏链理论中的重要问题之一
C-K方程
结论
马氏链的n步转移概率是一步转移概率的 n 次方,链的有限维分布可由初始分布和一步转移概率完全确定.
二、隐马尔可夫模型
HMM的假设:
– 对于一个随机事件,有一个观察值序列:O1,...,OT
– 该事件隐含着一个状态序列:X1,...,XT
– 假设1:马尔可夫假设(状态构成一阶马尔可夫链)
p(Xi|Xi-1…X1) = p(Xi|Xi-1)
– 假设2:不动性假设(状态与具体时间无关)
p(Xi+1|Xi) = p(Xj+1|Xj),对任意i,j成立
– 假设3:输出独