隐马尔可夫模型
马尔可夫链:
马尔可夫链是满足马尔可夫性质的随机过程。
马尔可夫链（Markov Chain），描述了一种状态序列，其每个状态值取决于前面有限个状态。马尔可夫链是具有马尔可夫性质的随机变量的一个数列。这些变量的范围，即它们所有可能取值的集合，被称为“状态空间”，而Xn的值则是在时间n的状态。如果Xn+1对于过去状态的条件概率分布仅是Xn的一个函数，则
这里x为过程中的某个状态。上面这个恒等式可以被看作是马尔可夫性质。
若在n+1时刻，状态空间上的分布与在
时刻的分布相同，则称分布为平稳分布，如果马尔可夫链的初始状态服从平稳分布，那么该马尔可夫链为平稳过程，这也是马尔可夫平稳分布的由来。
隐马尔可夫模型:
隐马尔可夫模型是马尔可夫链的一种，它的状态不能直接观察到，但能通过观测向量序列观察到，每个观测向量都是通过某些概率密度分布表现为各种状态，每一个观测向量是由一个具有相应概率密度分布的状态序列产生。所以，隐马尔可夫模型是一个双重随机过程，具有一定状态数的隐马尔可夫链和显示随机函数集。
维特比算法：
维特比算法是一种动态规划算法用于寻找最有可能产生观测事件序列的-维特比路径-隐含状态序列,特别是在马尔可夫信息源上下文和隐马尔可夫模型中。
在通信领域中，假如将收到的编码信息看作是观测序列，对应的解码信息为隐含状态，那么通过维特比算法也能够找出概率最大的解码信息。
首先，我们将设计过程可视为一个条件概率下的推理过程，通过确定了部分置换点的之间的关系，我们可以通过其可能的概率去判定下一个置换点是否产生关系，而针对软件设计中的一些关系，例如继承关系，其就符合马尔可夫链的过程，其继承于某个类只与要继承的类决定的，也可以完全不关注其前面更多的类，所以，其马尔可夫链的研究将会大大有益于我们进行更深入的分析。
然而，对于马尔可夫随机过程来说，其限制条件是，只能通过针对局部的区域进行推测，因此针对整体而言则缺乏足够的推测，所以虽然可能获取到最常的设计方案，但是针对整体而言，其并非是最优的设计方案。