万事开头难啊，刚开头确实不知道该怎么写才能比较有水平，这篇博客可能会比较长，隐马尔科夫模型将会从以下几个方面进行叙述：1 隐马尔科夫模型的概率计算法 2 隐马尔科夫模型的学习算法 3 隐马尔科夫模型的预测算法
隐马尔科夫模型其实有很多重要的应用比如说：语音识别、自然语言处理、生物信息、模式识别等等
同样先说一下什么是马尔科夫，这个名字感觉就像高斯一样，无时无刻的渗透在你的生活中，这里给出马尔科夫链的相关解释供参考：
马尔可夫链是满足马尔可夫性质的随机过程，是具有马尔科夫性质的随机变量的一个数列，
是马尔可夫链（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。
举个例子，如果后一个状态的变换仅取决以前一时刻的状态的话，用公式来表示就是：
需要注意的就是马尔科夫链并没有限定后一个状态的变化仅仅取决于前一个状态，而是说取决于前面有限个状态！所以上述公式表示仅仅是马尔科夫链的一个特例，称之为一阶马尔科夫链.
需要知道的是一阶马尔科夫其实是为了精简计算而损失精确度的一个方法，因为当前状态的变化和越多的之前状态相关，则越能够精确的描述概率模型
扫描二维码关注公众号，回复：
2977161 查看本文章
