隱馬爾可夫模型(HMM)詳解

寫在前面：最近在看這位“血影雪夢”博主對HMM的理解，博客寫得非常好，獻上鍊接。在此不重複造輪子，只爲個人記憶撰寫以下內容。

https://blog.csdn.net/xueyingxue001/article/details/51435728，基本概念。

https://blog.csdn.net/xueyingxue001/article/details/51435752，概率計算方法。

https://blog.csdn.net/xueyingxue001/article/details/51435818，學習方法。

https://blog.csdn.net/xueyingxue001/article/details/51435890，預測算法。

---

隱馬爾可夫模型：由一個隱藏的馬爾可夫鏈隨機生成的不可觀測的狀態序列產生可見的觀測序列的過程。

三要素：

1. 初始狀態。一開始處於每個狀態的概率矩陣。
2. 轉移狀態矩陣。狀態之間互相轉移的概率矩陣。
3. 觀測概率分佈矩陣。由狀態生成觀測結果的矩陣。

計算方法：

前向：

1. 求第一個狀態，也即觀測到o1時各狀態的概率，。
2. 這一個狀態觀測到j(b)，從前一個狀態(alpha)轉移到這個狀態（a）。。
3. 對最後的觀測值，把所有可能的狀態加和。。

後向：

1. 默認最後一個狀態，默認所有狀態對概率都是1。。
2. 後一個狀態(beta)觀測到狀態j(bj),由現在這個狀態i轉移過來aij。
3. 用初始概率代替上述步驟。。