统计学习方法 第十章 隐马尔可夫模型

第10章 隐马尔可夫模型

10.1 定义

1. 隐马尔可夫模型

• 隐马尔可夫模型是关于时序的概率模型，描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列，再由各个状态生成一个观测而产生观测随机序列的过程。

• 隐马尔可夫模型由初始概率分布、状态转移概率分布以及观测概率分布确定。

  • A: 状态转移概率矩阵
    

• B：观测概率矩阵
  
  

• π： 初始状态概率向量（在时刻t=1处于状态qi的概率）
  

• 状态转移概率矩阵A 与 初始状态概率向量 π 确定了隐藏的马尔可夫链。生成不可观测的状态序列。

2. 两个基本的假设

• 齐次马尔可夫性假设：隐马尔可分链t的状态只和t-1状态 有关：
  
• 观测独立性假设，观测只和当前时刻状态有关；
  

3. 观测序列的生成过程

4. 隐马尔科夫模型的三个基本问题

10.2 概率计算算法

1. 直接计算法

• 计算量很大，不可行

2. 前向算法