在大学学习的时候,我们就已经学习过马尔科夫链,这里对于马尔科夫链就不多做赘述,而今天这一篇文章所要概括的是隐马尔科夫模型(HMM).
ps:马尔科夫的彼得堡数学学派挺有意思,有兴趣的可以找一些相关资料拓展一下...一:隐马尔克夫模型应用
隐马尔科夫模型在语音识别上是一种非常成功的一种技术,在自然语言理解上已经运用的非常成熟,由于HMM的诸多优点,我们在以下几个领域应用后有了很不错的成绩:
1:分词处理
分词处理在我们生活中很常见...比如在一个句子中,每一个现在的词是HMM的一个状态,而词语的产生是被看做选择状态,然后再由当前词输出词的一个二重随机过程
2:信息处理
比如我们常常使用的百度,每一次输入关键词进行搜索,就可以看作是一个马尔科夫过程...二:隐马尔科夫模型简介
在大学概率论与数理统计的学习中我们学习过马尔科夫链以及随机过程,这里就不再赘述,在马尔科夫模型中,每一个状态必须要对应一个可以观察的事件,这样应用起来往往很不方便,在隐马尔科夫中...最后:
隐马尔可夫模型由初始状态概率向量π、状态转移概率矩阵A和观测概率矩阵B决定,π和A决定状态序列,B决定观测序列。因此,隐马尔可夫模型λ可以用三元符号表示,即
?