1. 定义
隐马尔可夫模型(Hidden Markov Model,HMM)是统计模型,它用来描述一个含有隐含未知参数的马尔可夫过程。它的状态不能直接观察到,但能通过观测向量序列观察到,每个观测向量都是通过某些概率密度分布表现为各种状态,每一个观测向量是由一个具有相应概率密度分布的状态序列产生。所以,隐马尔可夫模型是一个双重随机过程----具有一定状态数的隐马尔可夫链和显示随机函数集。
两个基本假设:齐次马尔可夫性假设(当前隐状态只依赖前一状态)、观测独立性假设(观测只依赖当前状态)。
2.三个基本问题:
(1) 概率计算问题
已知:模型λ=(A,B,π)、观测序列O。求:O观测序列出现概率P(O|λ)。
求解方法:直接计算法;前向算法(类似动态规划或剪枝);后向算法。
主要应用:
(2) 学习问题
已知:观测序列O。 求:模型λ=(A,B,