學習筆記:結構化概率模型
"結構化概率模型"(structured probabilistic model),是一類用圖形模式表達基於概率相關關係的模型的總稱,也稱“圖模型”(graphical model)英文簡稱,PGM
概率圖模型具有圖論和概率論兩大理論基礎,是生成模型的基礎。因此它可以很好地表現運動特徵、實體(中間語義)及行為之間的關係,可以為人體行為描述提供了一個自然結構。概率圖模型不僅能準確描述視訊中複雜概率現象的統計學本質,而且可以控制模型的計算代價,形成有效的生成演算法。
##2.用圖描述的二種重要的,結構化概率模型
結構化概率模型使用圖來表示隨機變數之間的相互作用。每一個結點就代表一個隨機變數。每一條邊就代表一個直接相互作用
@@1.有向模型
有向圖模型,也被稱為信念網路或者貝葉斯網路。
有向(directed)模型 使用帶有有向邊的圖,它們用條件概率分佈來表示分解,有向模型對於分佈中的每個隨機變數Xi都包含著一個影響因子,這個組成Xi條件概率的影響因子被稱為Xi的父節點,記為PaG(Xi)。
下圖給出了一個有向圖的例子以及表示它的概率分佈分分解。
圖1
圖1,關於隨機變數a、b、c、d和e的有向圖模型。這幅圖對應的概率分佈可以分解為
p(a,b,c,d,e)= p(a)p(b|a)p(c|a,b)p(d|b)p(e|c) (2)
該圖模型使我們能夠快速看出此分佈的一些性質。例如,a和c直接相互影響,但a和e只有通過c間接相互影響。
@@2.無向模型
無向模型,馬爾科夫隨機場( Markov random fields ),也被稱為無向圖模型( undirected graphical models )。這個模型中,連結沒有箭頭,沒有方向性質。