【模型描述】
马尔可夫性质：一个随机过程在给定当前状态和过去所有状态下，其未来的条件状态分布仅仅依赖于当前状态
也即无记忆性 公式描述即：
马尔可夫链：用于描述具有马尔可夫性质的随机过程，上式子中由组成的状态序列X即为马尔可夫链
隐式马尔可夫模型：
时间序列：
隐含状态序列：
可见状态序列：
从一个隐含状态到下一个隐含状态转移过程：
从隐含状态到一个可见状态的输出：
【模型参数】
- 状态序列：
- 状态取值集合：
- 观测序列：
- 观测取值集合：
模型包含三个参数：
- Π：初始概率分布
- A:状态转移矩阵
表示t时刻为Qi状态下一时刻跳转到Qj状态的概率
- B:发射矩阵
表示t时刻为Qj状态观测到Vk的输出结果的概率
【两个假设】
- 有限历史性假设：下一状态的概率分布仅仅与当前状态有关
- 观测独立性假设：当前状态下的观测结果仅仅与当前状态有关
【三类问题】
计算：给定模型参数 求观测序列为O的概率 即求解
常用的算法前向、后向算法
学习：给定一些列实验的结果O 求解模型参数 通常采用极大使然估计，常见的如EM算法
解码：给定观测序列O下，求解其隐含序列使得其能够很好解释O 即求解