隱藏式馬可夫模型
马尔可夫统计模型 / 維基百科,自由的 encyclopedia
隱藏式馬可夫模型(英語:Hidden Markov Model;縮寫:HMM),或稱作隱性馬可夫模型,是統計模型,用來描述一個含有隱含未知參數的馬可夫過程。其難點是從可觀察的參數中確定該過程的隱含參數。然後利用這些參數來作進一步的分析,例如圖型識別。
此條目需要補充更多來源。 (2015年7月3日) |
在正常的馬可夫模型中,狀態對於觀察者來說是直接可見的。這樣狀態的轉換概率便是全部的參數。而在隱藏式馬可夫模型中,狀態並不是直接可見的,但受狀態影響的某些變數則是可見的。每一個狀態在可能輸出的符號上都有一概率分佈。因此輸出符號的序列能夠透露出狀態序列的一些資訊。
隱藏式馬可夫模型在熱力學、統計力學、物理學、化學、經濟學、金融學、訊號處理、資訊論、圖型識別(如語音辨識、[1]手寫辨識、手勢辨識、[2]詞性標記、樂譜跟隨[3])、局部放電[4]及生物資訊科學等領域都有應用。[5][6]