統計學習方法——隱馬爾可夫模型（HMM）

隱馬爾可夫模型（HMM）廣泛應用於科學研究與工程技術的多個領域，尤其在自然語言處理中佔有十分重要的地位，其所適用的範圍涵蓋了分詞、詞性標註、語音識別等多個方面。 （一）HMM簡介 HMM 是一個有限狀態機的變體，其所包含的要素有：隱藏狀態集合 Q，輸出列表（觀察序列）O，轉移概率 A，輸出概率（混淆矩陣）B 以及初始狀態概率Π。如圖所示。通常情況下隱藏狀態和可見狀態是一定的，所以 HMM 一般表示

>>阅读原文<<