隱馬爾科夫模型

　　如今假設要分析一個能夠用Markov模型描述的系統，但有一個重要的差異：系統狀態不能直接觀察到。模型具備獨立的輸出符號集，在系統進入「隱藏」的狀態時按指定機率發出。這樣，系統的分析要基於觀察到的輸出符號順序，從而根據某個機率推測基礎模型的實際狀態序列。

什麼是隱馬模型

　　隱馬模型（Hidden Markov Model，HMM）是非肯定性有限狀態變換器，提供三種機率信息：

• 每一個狀態標上機器開始時可能處於該狀態的機率。
• 狀態p到q（可能一致）的每一個轉變標上機率，即機器從p變到q的機率。能夠用這些機率徹底指定M的轉變行爲。若是M沒法從p轉入q，則只要將從p到q的機率設置爲0.
• 每一個狀態q的每一個輸出符號c標上狀態q時輸出c的機率。

　　形式上，隱馬模型M是一個五元組（K,O,π,A,B），其中：

• K是有限狀態集。
• O是輸出字母表。
• π是個向量，包含每一個狀態的初始機率。
• A是個矩陣，表示轉換機率。
• B也稱爲混淆矩陣，表示輸出機率。

應用場景