动态模型：
离散：HMM(转移概率必须是离散的，发射概率不一定是离散的)
连续：
线性：kalman Filter
非线性：Particle Filter
HMM的两个假设：
①齐次马尔可夫假设
当前的隐变量只与前一个隐变量有关
②观测独立假设
观察变量只与它的隐变量有关
三个问题：
1.evaluation
2.learning
3.decoding
evaluation：
已知(初始概率分布Π，转移矩阵A，发射矩阵B) => 入
求P(O|入）
前向算法：
向后算法：
总结：
learning：
Πi：
Decoding(/预测)：
