最近在看隐马尔科夫模型，感觉还是挺难的，经过两天的揣摩。终于理出了点头绪。
隐马尔科夫英文简称是HMM
它里面最重要的两个元素是两种状态，一个显状态，另一个隐状态！
谈到HMM，我们肯定会提到转移矩阵，它其实就是隐性状态之间的变化的描述
天气经常拿来当隐状态，昨天的天气和今天的天气之间的变化的可能性就是转移矩阵。
也会提到混淆矩阵，它是隐状态和显状态的关系描述。
天气是隐状态，那么假设 是否外出是显状态，特定天气下你外出或者不外出的概率就组成了混淆矩阵。经常称混淆矩阵为发射矩阵。
在HMM里，这两个矩阵是不会发生变化的。维特比算法是已知了显状态而找出可能性最大的隐状态。
也就是知道你今天外出了，问你今天的天气是晴天还是下雨。
前向算法是问你今天外出的概率是多少。
前向-后向算法是怎样才能使得今天外出的概率最大！