本文共 379 字，大约阅读时间需要 1 分钟。

是关于时序的概念模型，描述了由一个隐藏的马尔科夫链随机产生不可观测的状态随机序列，再由各个状态生成一个观测而产生的观测随机序列的过程。隐藏的马尔科夫链随机生成的状态序列成为状态序列：每个状态生成一个观测，而由此产生的观测的随机序列，称为观测序列。序列的每一个位置又可以看作一个时刻。

举个例子，假设朋友仅仅对三种活动感兴趣:公园散步,购物以及清理房间做什么事情只凭天气.你不知道天气但知道他做的事情，可以猜测他所在地的天气情况。其实这个就是一个隐马尔科夫模型。每一天天气的变化就是一个隐马尔科夫链(即不同状态 “雨"和"晴”之间的转换)

具体参考：

状态转移矩A和初始状态概率π确定隐藏的马尔科夫链，生成不可观测的状态序列，观测概率矩阵B确定了如何从观测状态生成观测序列。图中，上面的x即对应的状态序列，y表示的是观测序列：

 三个基本问题

算法：前向后向算法 

转载地址：http://bmhdi.baihongyu.com/