北京大学生物信息学-第四周-马尔可夫 HMM及其应用

从状态到马尔可夫链

A Markov chain describes a discrete stochastic process at successive times. The transitions from one state to any of all states, including itself, are governed by a probability distribution.

• 马尔可夫链用来描述一组离散状态之间在不同时刻的转移关系。这里的转移关系不需要是唯一确定的，只需要可以由一个概率分布描述即可。
• 唯一的要求是：t时刻状态的概率分布由且只由之前有限个m时刻状态的概率分布来确定，称为m阶马尔可夫链。
• 一阶马尔可夫链：当前状态与且只与前一个状态有关。

转移概率：

k态到l态，l态到k态，转移概率矩阵不对称。
通常假设与t无关，齐次马尔可夫链，这也就是线性组合罚分的情形。

有限自动机：

M：匹配上了
X：X对-
Y：-对Y
Gap open：当前匹配，下一个不匹配。（不匹配就是由gap）
Gap extension：当前不匹配，下一个也不匹配。

隐马尔可夫模型 Hidden Markov Model HMM

The observable symbols (“tokens”, y(t)) are genera