1 模型概述
1.1 基本概念
隐马尔可夫模型(HMM)是关于时序的模型。描述由一个隐藏的马尔科夫链随机生成不可观测的状态随机序列,在由各个状态生成一个观测而产生观测随机序列的过程。
1.2 三要素
(1)初始状态概率向量π:初始状态序列各个状态出现的概率
(2)状态转移概率矩阵A:从某一个状态转移到另一个状态的概率
(3)观测概率矩阵B:在某个状态出现不同观测的概率
1.3 基本假设
(1)其次马尔科夫性假设:隐藏的马尔科夫链在任意时刻t的状态只依赖前一时刻的状态,与其他时刻无关
(2)观测独立性假设:任意时刻的观测只依赖于该时刻的马尔科夫链的状态
1.4 三个问题
(1)概率计算问题