Robot_localization_HMM 目的是将隐马尔可夫模型应用于定位问题。 考虑一个具有定位任务（从可用数据推断出它在哪里）的机器人，该机器人给出了世界地图以及一系列感知和动作。 如图所示，机器人被放置在迷宫般的环境中。 该机器人配备了四个声纳传感器，可以在每个罗盘方向（NSEW）上指示是否存在障碍物（图中的外墙还是正方形）。 我们假设机器人具有正确的地图。 机器人执行动作“移动”以移动到相邻或相邻的正方形之一。 X t ：状态变量，表示机器人在离散网格上的位置。 dom （ X t ）= {s 1 ，...，s n }： X t的域为空正方形的集合。 NEIGHBOURS（s）：相邻的空正方形的集合，并让N（s）为该集合的大小。 移动动作的过渡模型为： 假设所有正方形的分布均匀； P（ X o = i）= 1 / n 。 E t ：传感器变量，可以有16个可

此ppt由专业人员编写，内容条例清晰，重点突出，结合了简单易懂的实例，深入浅出的介绍了隐马尔可夫模型。

基于隐马尔可夫模型（HMM）的孤立字语音识别系统，matlab实现，包含数据集以及源码

forward+algorithm隐马尔可夫模型前向算法Matlab程序.doc

作为课程作业，我们需要为双障碍敲入二元看跌期权定价。 我们使用24种方式的有限差分法和12种方式的多项式格。 我们还实现了解析和马尔可夫链方法。 最后，我们将这四种方法与蒙特卡罗方法进行了比较。 在本课程中，我们讨论了这些方法的速度，收敛速度和收敛的单调性。 我们还讨论了外推是否可以提高收敛性。

基因算法训练连续隐马尔柯夫模型的语音识别.doc

基于隐马尔可夫模型（HMM）的孤立字语音识别matlab仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

Market-Markov:用马尔可夫链分析股票市场

提出一种改进的基于隐马尔可夫模型的人脸识别方法 利用人脸隐马尔可夫模型的结构特征和Viterbi 算法的特点，对特征观察序列进行分割，使用部分序列对所有隐马尔可夫模型递进地计算最大相似度，同时排除相似度最小的隐马尔可夫模型，减少观察序列的计算次数，提高识别效率 实验结果表明，该方法能在不降低识别率的情况下，有效提高识别速度。

机器学习与算法及源码：马尔可夫.zip