以半连续隐含马尔可夫模型HMM 为例,分析了影响Viterbi算法效率的主要原因,讨论了提高该算法效率的3种实用策略,即码本剪枝、Beam剪枝及降低精度,在保证一定识别率的前提下,使得搜索处理更加有效,提高了搜索的速度-to semi-continuous HMM HMM example, Analysis of the impact on the efficiency of the Viterbi Algorithm main discussed increasing the efficien

语音识别HMM算法中的解码功能的程序，其中是根据观测序列和已知模型去求状态序列-Speech recognition HMM algorithm decoding process, which is to seek observer status in accordance with the sequence and the known sequence of the model

一种HMM可以呈现为最简单的动态贝叶斯网络。隐马尔可夫模型背后的数学是由LEBaum和他的同事开发的。它与早期由RuslanL.Stratonovich提出的最优非线性滤波问题息息相关，他是第一个提出前后过程这个概念的。 在简单的马尔可夫模型（如马尔可夫链），所述状态是直接可见的观察者，因此状态转移概率是唯一的参数。在隐马尔可夫模型中，状态是不直接可见的，但输出依赖于该状态下，是可见的。每个状态通过可能的输出记号有了可能的概率分布。因此，通过一个HMM产生标记序列提供了有关状态的一些序