隐马尔科夫模型
马尔科夫模型是一种无向概率图模型。
概率图模型:用图来表达变量相关关系的概率模型,由节点和边构成。分为有向图模型或贝叶斯网(变量间有西安市的因果关系)。
隐马尔科夫模型(Hidden Markov Model, HMM)是结构最简单的动态贝叶斯网
状态变量:离散空间,观测变量:可以离散可以连续。在任一时刻,观测变量的取值仅依赖于转状态变量,即Xt由Yt确定,与其它状态变量及观测变量的取值无关。Yt仅依赖与Yt-1。在隐马尔可夫模型中,状态是不直接可见的,但输出依赖于该状态下,是可见的。每个状态通过可能的输出记号有了可能的概率分布
马尔科夫链:系统下一时刻的状态仅由当前状态决定,不依赖于以往的任何状态。马尔科夫链实际以损失一定全局信息的基础上换来了更饱满的数据。
P(Xn+1=x∣X0,X1,X2,…,