背景知识PDA形式化描述 \text{PDA} \quad M = (Q, \Sigma, \Gamma, \delta, q_0, Z_0, F) \tag{1} $Q$：状态集合 $\Sigma$：字母表 $\Gamma$：栈符号表 $\delta$：状态转移函数 $q_0$：开始状态 $Z_0$：栈底符号 $F$：终态集合 其中状态转移函数为 \delta : Q \times (\Si

hexo界面和GitHub page界面公式问题位置: theme/fluid/layout/_partials/head.ejs整个替换 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697

Background Knowledgesample group $D$ attribute $a$ information entropy p_k = \frac{\sum(sort = k)}{|D|} \quad (k = 1,2,\ldots,|\mathscr{Y}|) \text{Ent}(D) = -\sum_{k=1}^{|\mathscr{Y}|}p_k\log_2p_kinfo

隐马尔科夫模型的定义隐马尔科夫模型有如下两个假设：任意状态只依赖于前一时刻状态和任意时刻的观测只依赖于该时刻的马尔科夫链的状态。设 $Q$ 是所有可能的状态的集合，$V$是所有可能的观测的集合： Q =\{q_1, q_2, \dots, q_N\}, \quad V = \{v_1, v_2, \dots, v_M\}其中，$N$ 是可能的状态数，$M$ 是可能的观测数。$I$ 是长度为 $T