版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/WASEFADG/article/details/84260913
隐马尔科夫模型：https://blog.csdn.net/stdcoutzyx/article/details/8522078
维特比算法：https://blog.csdn.net/athemeroy/article/details/79339546
隐含马尔可夫模型并不是俄罗斯数学家马尔可夫发明的，而是美国数学家鲍姆提出的，隐含马尔可夫模型的训练方法（鲍姆-韦尔奇算法）也是以他名字命名的。隐含马尔可夫模型一直被认为是解决大多数自然语言处理问题最为快速、有效的方法。
隐含马尔可夫模型的三个基本问题
（1）给定一个模型，如何计算某个特定的输出序列的概率？
Forward-Backward算法
（2）给定一个模型和某个特定的输出序列，如何找到最可能产生这个输出的状态序列？
维特比算法
（3）给定足够量的观测数据，如何估计隐含马尔可夫模型的参数？
训练隐含马尔可夫模型更实用的方式是仅仅通过大量观测到的信号O1，O2，O3，….就能推算模型参数的P(St|St-1)和P(Ot|St)的方法（无监督训练算法），其中主要使用鲍姆-韦尔奇算法。
隐含马尔可夫模型的五元组
HMM是一个五元组（O , Q , O0，A , B）:
O:{o1,o2,…,ot}是状态集合，也称为观测序列。
Q:{q1,q2,…,qv}是一组输出结果，也称为隐序列。
Aij = P(qj|qi)：转移概率分布
Bij = P(oj|qi)：发射概率分布
O0是初始状态，有些还有终止状态。
HMM模型+维特比算法实例： https://www.cnblogs.com/Denise-hzf/p/6612212.html