本文以隱馬爾科夫模型（HMM）為基礎(chǔ)，針對(duì)英文文本，提出了一種基于HMM的在非結(jié)構(gòu)化文檔的文本域中提取數(shù)學(xué)表達(dá)式的方法。首先，針對(duì)傳統(tǒng)HMM的結(jié)構(gòu)缺陷，引入模型觀察值對(duì)模型后一時(shí)刻狀態(tài)的直接依賴(lài)性，并對(duì)模型的參數(shù)學(xué)習(xí)訓(xùn)練算法進(jìn)行了改進(jìn)。在此基礎(chǔ)上，設(shè)計(jì)了具有新型結(jié)構(gòu)的改進(jìn)型HMM。針對(duì)HMM訓(xùn)練效果對(duì)初始參數(shù)的敏感度較強(qiáng)的問(wèn)題，引入量子粒子群（QPSO)智能優(yōu)化算法對(duì)初始參數(shù)的選擇進(jìn)行優(yōu)化，并設(shè)計(jì)了基于QPSO的改進(jìn)型HMM初始參數(shù)優(yōu)化算法。然后，將改進(jìn)型HMM應(yīng)用到非結(jié)構(gòu)化文本數(shù)學(xué)表達(dá)式提取中來(lái)，給出了針對(duì)非結(jié)構(gòu)化文本的HMM模型狀態(tài)構(gòu)建方法，并提出了基于改進(jìn)型HMM的非結(jié)構(gòu)化文本域數(shù)學(xué)表達(dá)式提取算法。最后，依據(jù)13423條標(biāo)準(zhǔn)數(shù)學(xué)表達(dá)式和含有數(shù)學(xué)表達(dá)式的非結(jié)構(gòu)化文本進(jìn)行了驗(yàn)證實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明了改進(jìn)型HMM和數(shù)學(xué)表達(dá)式提取算法的有效性和優(yōu)越性，有著較強(qiáng)的現(xiàn)實(shí)應(yīng)用價(jià)值。