HMM((Hidden Markov model) (2)

안녕하세요. HMM 에대해 최대한 핵심만 적을려고 했는데 설명이 부족했나 봅니다.
그래서 이번에는 내용을 조금더 정리하고 복습하는 시간을 가지고 알고리즘으로 넘어가겠습니다.
워낙 내용이 어려운지라 여기서 다 설명을 드릴 수 없으니 밑에 위키피디아와 블로그를 참고하시면 됩니다.
위키피디아 - HMM
HMM에 대해서 한글로 자세히 설명한 블로그도 있습니다. (Predictus_Blog)
구체적인 사례로 온라인 필기 인식에 대한 동영상을 첨부합니다.
Mouse Motion Recognizer from semix2 on Vimeo.
HMM이란?
시간성을 갖는 데이터의 패턴을 인식하기 위해서는 데이터에 내포되어 있는 시간성을 적절히 표현하고 그것으로 원하는
정보를 추론할 수 있는 모델이 필요하다. HMM은 이런 능력을 가진 가장 대표적이고 가장 널리 사용되는 모델이다[1].
HMM은 아래와 같은 세 가지 매개 변수를 갖는다. 이들의 값이 정해지면 HMM이 만들어진 셈이다.
훈련집합으로 λ를 추정하는 작입이 바로 HMM 학습니다.
λ=(A,B,π)
를 갖는다.
1. 상태 전이 확률 A
HMM이 작동하는 도중 다음 상태를 결정하는 데 쓰인다. 
2. 관측 확률 B
HMM이 어느 상태에 도달하였을 때 그 상태에서 관측될 기호를 결정하는데 쓰인다. 
3. 초기 상태 확률 벡터 π
HMM을 가동시킬 때 어느 상태에서 시작할 지를 결정하는데 쓰인다.
Reference
[1]패턴인식-오일석(7장 순차 데이터 인식) p209~p249 (http://ryan0802.tistory.com/100)