算法-机器学习-隐马尔科夫

隐马尔科夫模型定义： 是长度为的状态序列： 是对应的观测序列： 其中：  为状态的集合：，为状态的数量； 为观测的集合：，为观测的数量； 为状态转移概率矩阵：，表示在时刻处于状态的条件下时刻转移到的概率； 为观测生成概率矩阵：，表示在时刻除以状态的条件下生成观测的概率； 是初始概率向量：，表示时处于状态的概率 隐马尔科夫模型两个假设： 任意时刻的状态只依赖于其前一刻的状态，与观测和其他状态无关，即

>>阅读原文<<