（19）监督学-标注问题-隐马尔科夫模型

    图模型主要分为2种；有向图和无向图。

    图模型——1有向图——贝叶斯网（静态、动态——HMM）——生成式模型

                      2无向图——马尔科夫网——条件随机场——判别式模型

    有向图，主要用于时间序列，语音识别，自然语言处理。隐马尔科夫模型就是有向图中的一种。

    它是关于时间序列的概率模型，描述一个由隐藏的马尔科夫链随机生成不可观测的状态随机序列，再由各个状态生成一个观测而产生观测序列的过程。隐藏的马尔科夫链随机生成的状态的序列，称为状态序列；每个状态生成一个观测，由此产生观测序列，序列上的每个位置又可以看做一个时刻。

    隐马尔科夫模型由初始状态概率向量,状态转移矩阵和观测概率矩阵决定。和决定状态序列，决定观测序列。因此隐马尔科夫模型可以用三元符号表示，即。

    隐马尔科夫模型做了两个基本假设：

        （1）齐次马尔科夫性假设，即假设隐藏的马尔科夫链在任意时刻t的状态只依赖于其前一个时刻的状态，与其他时刻的状态和观测无关，也与时刻无关。

        （2）观测独立性假设，即假设任意时刻的观测只依赖与该时刻的状态，与其他观测以及状态无关。

    隐马尔科夫模型的学习方法分为两种：监督学习方法；非监督学习方法（EM算法）

    其预测方法有：

        近似算法：在每个时刻选择在该时刻最有可能出现的状态i，从而得到一个状态序列，作为预测的结果。

        维特比算法：用动态规划解马尔可夫模型。从某一状态到另一状态到路径必须是最优的。