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
- 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
- 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
![]()