1.隐马尔科夫模型介绍
隐马尔可夫模型是关于时序的概率模型,描述有一个隐藏的马尔科夫链随机生成不可观测的随机序列,在有各个状态生成一个观测而产生观测序列的过程。
图1
隐马尔可夫模型可以简单的表示为图1所示的模型。序列1是随机生成的不可观测的隐序列,也成为状态序列;中在每一个t时刻,隐序列的每个状态xn可以生成对应的状态yn,所有的yn组成了序列2,是我们可以实际观测到的序列,称为观测序列。
设Q是所有可能的状态序列,V是所有可能的观测序列,表示形式如下:
N就表示所有的状态数,M就表示所有的观测数。
序列1可以表示为:I=(i1,i2,⋯,iT),表示为长度为T的状态序列;序列2可以表示为,表示为状态序列对应的观测序列。
对于时序的概念,肯定要有从一个时刻到下一时刻的改变,也就是状态转移;马尔可夫模型中只有隐状态的转移,状态集合为Q,一共有N个状态,所以可以将所有的状态转移情况表示为一个N×N的矩阵形式:
其中
表示t时刻状态为qi,到t+1(下一时刻),状态为qj的概率。
每一时刻的状态都会生成一个观测值,所以观测值是通过状态来确定的,而观测值之间没有必然的联系,那么我们就需要给出各个状态生成各个观测值的概率,状态有N个,观测值有M个,所有我们可以表示为一个N×M的矩阵:
bj(k)表示一个概率,表示状态qj生成观测值vk的概率。
整个序列我们需要一个开始的状态,就医t1时刻的Q集合中所有状态出现的概率: