概率图模型

本文介绍了概率图模型的两类主要类型:有向图模型(如隐马尔科夫模型HMM)和无向图模型(如马尔可夫随机场MRF)。重点讨论了HMM的三要素、应用以及算法,接着阐述了概率无向图和最大团的概念,最后讲解了条件随机场(CRF)的定义、应用场景以及与HMM的关系。CRF作为条件概率的计算方式,提供了更灵活的特征函数,比HMM具有更强的建模能力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

概率图模型

概率图模型——用图来表示变量间的相关关系的概率模型

分类:

概率图模型根据边的性质的不同可分为两类:

有向图模型或贝叶斯网:使用有向无环图表示变量间的依赖关系

无向图模型或马尔可夫网:使用无向图表示变量间的依赖关系

 

一、隐马尔科夫模型

隐马尔科夫模型——结构最简单的动态贝叶斯网(无后效性)

主要用于时序的数据建模,在语音识别,自然语言处理等领域有广泛应用

模型:对一个状态,不能直接观察其状态值,但是可以观测到状态的生成的观测状态的值。

三要素构成一个时序的状态转移链——马尔可夫链

要素:

无后效性

状态,观测

状态转移矩阵

状态观测矩阵

初始状态

————确定了一个马尔可夫模型

 

可以认为是三种问题的抽象:

1)已知模型和观测序列,求这一模型下这一观测序列出现的概率

——思路:求出所有观测的情况,就可以计算出当前观测出现的概率(计算量巨大

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值