隐马尔可夫模型(HMM)是指隐马尔可夫模型,是一种用于描述参数未知的马尔可夫过程的统计模型。困难在于从可观察的参数中确定过程的隐藏参数。这些参数然后被用于进一步的分析,例如模式识别。
隐马尔可夫模型最早是由伦纳德·鲍姆(Leonard E. Baum)和其他作者在20世纪60年代下半叶的一系列统计论文中描述的。隐马尔可夫模型的最初应用之一是语音识别,始于20世纪70年代中期。
20世纪80年代后半期,隐马尔可夫模型开始应用于生物序列的分析,特别是DNA。自此,隐马尔可夫模型逐渐成为生物信息学领域不可或缺的技术。
扩展资料:
隐马尔可夫模型三大假设。
1)齐次马尔可夫假设。又叫一阶马尔可夫假设,即任意时刻的状态只依赖前一时刻的状态,与其他时刻无关。符号表示为:
2)观测独立性假设。任意时刻的观测只依赖于该时刻的状态,与其他状态无关。
3)参数不变性假设。上面介绍的三大要素不随时间的变化而改变,即在整个训练过程中一直保持不变。
参考资料来源:百度百科-隐马尔可夫模型
hmm可以表: 同意 、怀疑 、犹豫 、(拖延时间发出的)嗯嗯声 、满意 。hmm在不同语境下的意思不同,相当于中文聊天中的:“嗯、考虑看看、无语、呻吟等等”。
各个国家的英文缩写表如下:
AFG-阿富汗
AHO-荷属安的列斯
ALB-阿尔巴尼亚
ALG-阿尔及利亚
AND-安道尔
ANG-安哥拉
ANT-安提瓜和巴布达
ARG-阿根廷
ARM-亚美尼亚
ARU-阿鲁巴
ASA-美属萨摩亚
AUS-澳大利亚
AUT-奥地利
AZE-阿塞拜疆
BAH-巴哈马
BAN-孟加拉国
BAR-巴巴多斯