1.評估：forward演算法----對乙個觀察系統匹配最可能的系統。對於給定的hmm模型，其生成乙個給定的觀察序列的概率是多少。
2.解碼：viterbi演算法----對於已生成的乙個觀察序列確定隱藏狀態序列。什麼樣的隱藏狀態序列最有可能生成乙個給定的觀察序列。
3.學習：forward-backward演算法-----對於已生成的觀察序列，決定最合適的hmm模型引數（pi,a,b）。對於乙個給定的觀察序列樣本，什麼樣的模型最有可能生成改序列，即該模型的引數是多少。
hmm模型元素描述：
1.隱含狀態s：事件中可以由當前可視狀態可推出的真實狀態
2.可觀測狀態o：事件中的可視狀態
3.初始狀態概率矩陣 pi ：已知的一組概率，系統初始化給定的值
4.隱含狀態轉移概率矩陣a：給定前乙個狀態下的當前狀態的概率，即包含了乙個隱藏狀態到另乙個隱藏狀態的概率
5.觀測狀態轉移概率矩陣b（混淆矩陣）：給定hmm模型的某乙個隱藏狀態，觀察到的某個觀察狀態的概率
HMM模型介紹
時序模型 資料會隨著時間的改變二進行改變，比如溫度 說話等。hmm模型是乙個時序模型，因為是個時序模型所以每時每刻都有乙個觀測值。下圖所示 z為隱式變數，x為已知的觀測值。扔不均衡硬幣 有兩枚硬幣a和b，這兩枚硬幣正反面概率不一樣，我們記a和b各自出現正面的概率分別為u1和u2。現在小明進行扔硬幣，...
隱馬模型（HMM）
隱馬爾科夫模型的三個基本問題以及相應的演算法如下 a b 前向 後向演算法解決的是乙個評估問題，即給定乙個模型，求某特定觀測序列的概率，用於評估該序列最匹配的模型。c baum welch演算法解決的是乙個模型訓練問題，即引數估計 學習 是一種無監督的訓練方法，主要通過em迭代實現 d 維特比演算法...
HMM模型之前向演算法
1 介紹 前向演算法是用於hmm模型的評估問題。評估問題 對於乙個觀察序列和通過不同系統得到的hmm模型，怎麼判斷哪乙個hmm模型是最有可能產生這個觀察序列。hmm模型三元組 a,b 其中 表示初始向量，a表示狀態轉移矩陣，b表示混合矩陣，例項可以參看 hmm模型之viterbi演算法 2 實現 要...