三、隱藏模式
在某些情況下，我們能通過經驗獲取狀態轉移矩陣，卻沒有辦法獲取狀態的具體情況。比如乙個隱居在山洞裡面從不外出的人，他是沒法準確的獲取到每一天確定天氣的。但是在山洞中有很多水藻（水藻的狀態可以一定概率上關聯到天氣），因此他可以水藻狀態，通過水藻的變換概率矩陣和天氣的關係以及天氣之間的轉移矩陣來獲取今天的天氣。
一般的，把隱藏狀態（水藻）對應的觀察狀態（天氣）之間的概率矩陣稱為混淆矩陣，在天氣和水藻的觀測中，混淆矩陣可以如下表示：
其實，只需要記住以下幾個概率，就能很清楚的理解整個模型了：
a隱藏狀態：乙個系統的真實狀態（比如天氣）
b.觀察狀態：能視覺化的狀態（如海藻）
c.初始向量：包含了在初始時刻 隱藏狀態的概率
d.混淆矩陣：各個隱藏狀態和觀察狀態之間的轉移概率
e.狀態轉移矩陣： 各個隱藏狀態之間的轉移概率
四 隱馬爾科夫模型
1.
定義
乙個隱馬爾科夫模型模型由乙個三元組（p，a，b）組成
其中，p是初始概率向量
a是狀態轉移概率矩陣
b是混淆矩陣
值得注意的是，a、b都是與時間無關的（根據經驗得出）。
2.應用
隱馬爾科夫模型一般可以用來解決三個問題
a.給定多個hmm模型，求乙個觀察序列最適合的模型（評估）
b.搜尋最有可能生成乙個觀察序列的隱藏狀態序列（解碼）
c.給定觀察序列，生成乙個hmm模型（學習）
隱馬爾科夫模型HMM
我們通常都習慣尋找乙個事物在一段時間裡的變化規律。在很多領域我們都希望找到這個規律，比如計算機中的指令順序，句子中的詞順序和語音中的詞順序等等。乙個最適用的例子就是天氣的 首先，本文會介紹聲稱概率模式的系統，用來 天氣的變化 然後，我們會分析這樣乙個系統，我們希望 的狀態是隱藏在表象之後的，並不是我...
隱馬爾科夫 HMM 模型
隱馬爾科夫 hidden markov model 模型是一類基於概率統計的模型，是一種結構最簡單的動態貝葉斯網，是一種重要的有向圖模型。自上世紀80年代發展起來，在時序資料建模，例如 語音識別 文字識別 自然語言處理等領域廣泛應用。隱馬爾科夫模型涉及的變數 引數眾多，應用也很廣泛，以至於很多人不明...
HMM隱馬爾科夫模型
問題 講講hmm隱馬爾科夫模型 1 隱馬爾科夫模型是關於時序的概率模型，是由乙個隱藏的馬爾科夫鏈隨機生成不可觀測的隨機狀態序列，並由各個狀態生成乙個觀測而產生觀測隨機序列的過程。統計學習方法 cha10 概念解釋 馬爾可夫鏈 一階馬爾可夫過程，即未來狀態僅與當前狀態有關，與過去無關。馬爾可夫過程 狀...