隐马尔可夫模型

摇色子的比喻很好

它解释了模型的概念：

模型的N个状态：S={S1,S2,…,SN}对应于色子的种类{D4、D6、D8}

隐状态：真实不可见状态S的序列，是每次用的色子种类D4、D6、D8组成的序列

状态转移矩阵：下一次S状态发生的概率，因为马尔可夫模型下一次状态的发生概率只与上一次状态有关，所以表示为上一次状态S的条件概率

        如：在这里缺省认为无论上次是用D4、D6、D8中哪个摇，下一个用D4、D6、D8摇的概率都是1/3

观测状态：O={O1,O2……On}：是可见的状态，这里是色子摇出的点数

观测概率：是当确定用D4、D6、D8摇的色子的种类，求产生某种点数的概率 

        如：D4产生点数1的概率为1/4， D6产生点数1的概率为1/6，D8产生点数1的概率为1/8

初始状态π：D4、D6、D8随机选择一个时的概率，也是第一个状态发生的概率，

        如：第一次选择D4、D6、D8摇的概率缺省为1/3

混淆矩阵/发射概率：是已知观测状态推测隐状态的概率，已知色子点数，求是D4、D6、D8中哪种色子摇出的的概率

http://www.cnblogs.com/crazyacking/p/6505033.html