隐马尔科夫模型

目录

阐述

1.1 观测序列O出现的概率

1.1.1 穷举法（直接计算法）

1.1.2前向算法

1.1.3 后向算法

1.2 根据观测序列预测状态序列

1.2.1 维特比算法（动态规划）

1.3 估计模型参数

参考文献

---

---

阐述

隐式马尔科夫模型（Hidden Markov Model, HMM）被称为统计模型。它用于描述一个含有隐含未知参数的马尔可夫过程。

用一个简单的例子来阐述：

假设我手里有三个不同的骰子。

第一个骰子6个面（称这个骰子为D6），每个面（1，2，3，4，5，6）出现的概率是1/6。

第二个骰子是个四面体（称这个骰子为D4），每个面（1，2，3，4）出现的概率是1/4。

第三个骰子有八个面（称这个骰子为D8），每个面（1，2，3，4，5，6，7，8）出现的概率是1/8。

模拟掷骰子的过程时，在三个备选骰子中随机选择一个进行投掷。每个骰子被选中的概率均为\frac{1}{3}。投掷后得到的结果是一个介于1至8之间的整数值。持续重复这一过程可生成一系列数字序列。这些数字均取自于1至8的