隐马尔科夫模型原理解析
生活随笔
收集整理的這篇文章主要介紹了
隐马尔科夫模型原理解析
小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.
隱馬爾科夫模型是（hidden Markov model，HMM）是可用于標(biāo)注問題的統(tǒng)計(jì)學(xué)習(xí)模型，描述由隱藏的馬爾科夫鏈隨機(jī)生成觀測(cè)序列的過程。
隱馬爾可夫模型（hidden Markov model，HMM）是時(shí)間序列的概率模型，常用于詞性標(biāo)注，語音識(shí)別，文本分析等領(lǐng)域。HMM是基于馬爾科夫鏈進(jìn)行標(biāo)注的，我們對(duì)已經(jīng)觀察的數(shù)據(jù)序列O進(jìn)行標(biāo)注，標(biāo)注序列I相當(dāng)于不可觀測(cè)序列（隱變量），如何求解概率最大的標(biāo)注序列 I 是HMM的核心問題，我們以圖解的方式形象的描述HMM問題。
已知觀測(cè)序列
，標(biāo)注序列
，其中觀測(cè)序列是相互獨(dú)立的且與對(duì)應(yīng)的標(biāo)注序列相關(guān)，標(biāo)注序列符合馬爾科夫鏈模型，如下圖：
再次強(qiáng)調(diào)下隱馬爾科夫模型假設(shè)的場(chǎng)景，1）觀測(cè)序列是相互獨(dú)立的，2）標(biāo)注序列
總結(jié)
以上是生活随笔為你收集整理的隐马尔科夫模型原理解析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 跨语言、多语言信息检索
- 下一篇： 汽车电子专业知识篇（三）-自动驾驶中的多