hmm基本原理
hmm的定義：
hmm實際上是分為兩個部分的，一是馬爾可夫鍊，由參數，a描述，它利用一組與機率分布相聯系的狀态轉移的統計對應關系，來描述每個短時平穩段是如何轉變到下一個短時平穩段的，這個過程産生的輸出為狀态序列；二是一個随機過程，描述狀态與觀察值之間的統計關系，用觀察到的序列來描述隐含的狀态，由b描述，其産生的輸出為觀察值序列。
hmm根據其結構的不同可以分為多種類型。根據狀态轉移機率矩陣的不同，hmm可分為各态周遊模型、從左到右模型、并行路徑從左到右模型和無跳轉從左到右模型等。根據觀察值機率不同，hmm可分為離散hmm、半連續hmm、連續hmm等。
下圖是一個典型的hmm：
hmm有三個典型的問題:
hmm的實作
c語言版：
1、 htk（hidden markov model toolkit）：
htk是英國劍橋大學開發的一套基于c語言的隐馬爾科夫模型工具箱，主要應用于語音識别、語音合成的研究，也被用在其他領域，如字元識别和dna排序等。htk是重量級的hmm版本。
2、 ghmm library：
the general hidden markov model library (ghmm) is a freely available lgpl-ed c library implementing efficient data structures and algorithms for basic and extended hmms.
3、 umdhmm（hidden markov model toolkit）：
hidden markov model (hmm) software: implementation of forward-backward, viterbi, and baum-welch algorithms.
這款屬于輕量級的c語言hmm版本。
c++版：
以上兩個是c++版本的，但是實作的是離散型的hmm。
java版：
jahmm java library (general-purpose java library)：
jahmm (pronounced “jam”), is a java implementation of hidden markov model (hmm) related algorithms. it’s been designed to be easy to use (e.g. simple things are simple to program) and general purpose.
python版：
malab版：
hidden markov model (hmm) toolbox for matlab：this toolbox supports inference and learning for hmms with discrete outputs (dhmm’s),
gaussian outputs (ghmm’s), or mixtures of gaussians output (mhmm’s).
common lisp版：
cl-hmm library (hmm library for common lisp)：
simple hidden markov model library for ansi common lisp. main structures and basic algorithms implemented. performance speed comparable to c code. it’s licensed under lgpl.
haskell版：
the hmm package （a haskell library for working with hidden markov models）：a simple library for working with hidden markov models. should be usable even by people who are not familiar with hmms. includes implementations of viterbi’s algorithm and the forward algorithm.
cdhmm c++版：
本文版權歸作者和部落格園共有，歡迎轉載，但未經作者同意必須保留此段聲明，且在文章頁面明顯位置給出原文連接配接，否則保留追究法律責任的權利。