隐马尔可夫模型(一)——HMM模型的定义和问题

注：这些基本的概念知识，我直接参考了https://www.cnblogs.com/pinard/p/6945257.html这篇博客，我将重点放在了自己对于鲍姆-韦尔奇算法和维特比算法的理解上。

一、什么样的问题需要HMM模型

首先我们来看看什么样的问题解决可以用HMM模型。使用HMM模型时我们的问题一般有这两个特征：１）我们的问题是基于序列的，比如时间序列，或者状态序列。２）我们的问题中有两类数据，一类序列数据是可以观测到的，即观测序列；而另一类数据是不能观察到的，即隐藏状态序列，简称状态序列。

二、HMM模型的定义

对于HMM模型，首先我们假设Q是所有可能的隐藏状态的集合，V是所有可能的观测的集合，即：
Q={q₁,q₂,…,q_N}，V={v₁,v₂,…v_M}
其中，N是可能的隐藏状态数，M是所有的可能的观测数。
对于一个长度为T的序列，I是对应的状态序列, O是对应的观测序列，即：
I={i₁,i₂,…,i_T}，O={o₁,o₂,…o_T}
其中，任意一个隐藏状态 i_t∈Q，任意一个观测 o_t∈V。

HMM模型做了两个很重要的假设如下：
1） 齐次