HMM模型

隐马尔可夫模型的基本概念

定义：

隐马尔可夫模型是关于时间序列的概率模型

描述由一个隐藏的马尔科夫链随机生成不可观测的状态序列，再由各个状态生成一个观测而产生观测序列的过程，序列的每一个位置又可以看作是一个时刻。

组成：

HMM由初始概率分布、状态转移概率和观测概率分布决定，当观测为离散值时：

 

HMM两个基本假设

1. 齐次马尔可夫假设：隐藏的马尔可夫链在时刻t的状态只和t-1的状态有关
2. 观测独立性假设：观测只和当前时刻的状态有关

HMM分类 

隐马尔可夫模型的三个基本问题

 

概率计算算法

1.直接计算法

2.前向算法

前向算法的关键：每一次计算直接引用前一个时刻的计算结果，避免重复计算。

3. 后向算法

预测算法:viterbi算法 

viterbi算法求解过程： 

 

学习算法：Baum-Welch