文章目录前言隐马尔可夫(HMM)马尔可夫链隐马尔可夫HMM中的语音识别（孤立词）HMM 语音识别过程GMM总结参考文献 前言 隐马尔科夫链结合语言识别，在细节上，涉及到的知识挺多，没有一定的时间投入难以很好的去把握。这篇文章只想借着自己的一小段时间学习，从整体上，理一下HMM在ASR的应用过程，不想去探究其中的具体细节。文中的图片基本截取自参考文献中的内容。 隐马尔可夫(HMM) 马尔可夫链 马尔可夫链描述了当前状态与下一个状态的转换关系，如图中所示，天气有三种状态，晴天，阴天，下雨。 马尔可夫链两个重要参数，初始状态概率，状态转移矩阵。有了这两个参数，我们可以预测后续任意一天的天气概率了。

gsoc17-hhmm：贝叶斯分层隐马尔可夫模型应用于金融时间序列，这是Google Summer of Code 2017的研究复制项目

隐马尔可夫模型的C++实现，非常好用。 包括模型参数的训练和维特比算法。

1.隐马尔可夫模型的简介 2.例举实例 3.介绍三个主要算法

隐马尔可夫模型原理说明

该资源直接运行runtest.m可测试HMM的评估和解码问题，运行baum_welch_test_mine.m测试HMM学习问题

针对IEEE 802.11系列标准中分布式协调功能(DCF)的缺点,提出了一种简单有效的改进DCF算法.其主要的改进集中在2方面:在经典DCF的基础上,将第0级退避的退避窗口值加倍;使用选择概率p将第0级退避窗口分割成2部分.为了精确地反映改进后协议的性能,建立了二维马尔可夫模型,并将其与经典DCF比较.数值仿真结果表明,改进后的DCF协议在终端节点密度较大时,其吞吐量和时延等性能参数要比经典的DCF优越.

基于隐马尔可夫模型的查询扩展方法

MATLAB工具箱大全- 隐马尔可夫模型工具箱 HMM

seqHMM：分类序列的多变量和多通道离散隐马尔可夫模型