Ch 04. 参数模型Part 1 隐马尔可夫模型马尔可夫链 状态 t 时刻的状态 长度为T 的离散时间上的状态序列例如： 转移概率（矩阵） 为从状态 到 的转移概率马尔可夫链 状态转移图 马尔可夫链 j- 阶马尔可夫过程 下一时刻为某个状态的概率仅与最近的j 个状态有关 一阶马尔可夫过程 任一时刻为某状态的概率仅与上一时刻的状态相关仅与最近的j 个状态有关仅与上一个状态有关隐马尔可夫模型 隐马尔可夫模型（Hidden Markov Model ，缩写为HMM ） 状态不可见 在t 时刻，隐藏的状态以一定的概率激发出可见的符号 ，其取值表示为 长度为T 的离散时间上的可见符号序列例如： 观察到可见符号的概率隐马尔可夫模型 状态转移图一个例子 盒子编号不可见 每次从任一盒子中取出一个小球 隐藏状态：盒子编号 可见符号：小球 盒子i 中取出各种小球的概率 得到某个特定小球序列的概率？离散HMM 的符号表示 隐藏状态集 可见符号集 状态序列 观察序列 状态转移概率 观察到可见符号的概率 初始状态概率完整的HMM 参数向量HMM 三大核心问题 估值问题 已知 观察到特定符号序列X HMM 模型
