基于小波域隐马尔可夫模型的时间序列分析_平滑_插值和预测-Based on Wavelet Domain Hidden Markov Model analysis of time series interpolation and forecasting _ smooth _

隐马尔可夫模型(HMM)模型的源码。隐马尔可夫模型(HMM)模型的随机方法和时间序列数据。-Hidden Markov Models (HMM) are stochastic methods to model temporal and sequence data.

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