隐马尔可夫模型

在隐马尔可夫模型中，状态不是直接观察到的，而是仅观察到输出（事件）的。但是，此输出是根据模型状态的概率分布。因此，由某个隐式马尔可夫模型生成的输出序列会提供有关内部状态序列的一些信息。术语“隐藏”是指以下事实：从外部不能直接观察到模型已经转变的状态序列，并且与模型的参数无关。即使参数已知，也称为隐马尔可夫模型。隐马尔可夫模型可以表示为非常简单的动态贝叶斯网络。

隐马尔可夫模型是潜在变量，而不是独立地通过马尔可夫过程相关联的（隐藏的变量，潜变量）混合模型（混合模型）可以被视为的延伸。该潜在变量控制为每个观察选择的混合因子。近年来，隐藏的马尔可夫模型已被概括为可处理更复杂的数据结构和非平稳数据的成对马尔可夫模型和三重马尔可夫模型。

隐马尔可夫模型的数学概念由LE Baum及其同事于1966年发表^{[1] [2] [3] [4] [5]}。这与RL Stratonovich最早对非线性滤波问题进行优化的早期工作有关，后者首先宣布了前向后向算法。