關於隱馬爾可夫模型的一點資訊

引自：http://zh.wikipedia.org/zh/隱馬爾可夫模型

隱馬爾可夫模型（hidden markov model，hmm）是統計模型，它用來描述乙個含有隱含未知引數的馬爾可夫過程。其難點是從可觀察的引數中確定該過程的隱含引數。然後利用這些引數來作進一步的分析，例如模式識別。

在正常的馬爾可夫模型中，狀態對於觀察者來說是直接可見的。這樣狀態的轉換概率便是全部的引數。而在隱馬爾可夫模型中,狀態並不是直接可見的，但受狀態影響的某些變數則是可見的。每乙個狀態在可能輸出的符號上都有一概率分布。因此輸出符號的序列能夠透露出狀態序列的一些資訊。

有時間真的要好好看看下面的演算法了。

hmm有三個經典(canonical)問題:

已知模型引數，計算某一特定輸出序列的概率.通常使用forward演算法解決.

已知模型引數，尋找最可能的能產生某一特定輸出序列的隱含狀態的序列.通常使用viterbi演算法解決.

已知輸出序列，尋找最可能的狀態轉移以及輸出概率.通常使用baum-welch演算法以及reversed viterbi演算法解決.

另外,最近的一些方法使用junction tree演算法來解決這三個問題。