隐马尔可夫模型学习笔记(之一,概率计算问题)
###隐马尔可夫模型的定义 隐马尔可夫模型是关于时序的概率模型,描述由一个隐藏的马尔可夫链随机生成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观测随机序列的过程。 隐马尔可夫链随机生成的状态的序列,称为状态序列(state sequence);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(observation sequence)。序列的每一个位置又可以看作是一个时刻。 设Q是所有可能的状态的集合,V是所有可能的观测的集合。 Q = { q 1 , q 2 , . . . q N } , V = { v 1 , v 2 , . . . v M } Q = \{q_1,q_2,...q_N\}, V = \{v_1,v_2,...v_M\} Q = { q 1 , q 2 , . . . q N } , V = { v 1 , v 2 , . . . v M } 其中, N N N 是可能的状态数, M M M 是可能的观测数。状态 q q q 是不可见的,观测 v v v 是可见的。应用到词性标注系统,词就是 v v v ,词性就是 q q q 。应用到语音识别系统,语音就是 v v v ,语素就是 q q q 。 I I I 是长度为 T T T 的状态序列, O O O 是对应的观测序列。 I = { i 1 , i 2 ,