Java 博弈中的隐马尔可夫模型

好的，我对这里的HMM概念比较陌生

我现在知道的是，对于一个具有指定数量的状态（N）、指定数量的观测符号（M）和给定观测序列（O）的未知模型，我们可以找到一个最大化O概率的模型

有了这个，我创建了一个HMM，它利用了本文档->第7节伪代码中的代码

A B和pi的初始值约为1/N和1/M。我使用matlab生成图形，因此这些图形不精确，但相似

现在假设O的长度是1000，我根据伪代码将其输入HMM。最终的结果是我得到了一个a，B和pi的模型，它会自动调整以适应O。到目前为止，我进行的是否正确

如果是这样，我想做的下一件事是找到未来可能的观测1001（o1001）

由于我对HMMs的理解有点古怪，我需要做的是从我最后得到的信息中，获取当前最可能的状态（在学习了1000次观察后从A中获取），并从中找出最可能的观察结果（通过查看B矩阵中来自A的状态行）

---

关于如何预测第1001次观测的最后一部分，我不太确定。有人能告诉我到目前为止我是否走上了正确的道路吗？

在玩了abit并最终了解了更多我的发现之后，好的

我之前提到的是错误的。为了找到下一个可能的观测结果，即1001 我需要做下面的工作来找到p（O[1001]=k | O（1..1000）），这基本上意味着找到给定前1000个观测值的观测概率，这是Bi（O（1000）=k）*Aji*alpha1000（j）的总和