论文部分内容阅读
近五年来，图模型领域的研究取得了瞩目的进展。其中，贝叶斯网络[1]作为一个描述、学习、计算复杂条件下概率分布的决策分析工具，被应用到众多领域。在模式识别领域，图模型的方法已经被应用到诸如计算机视觉，HCI，生物信息学等。图模型为这些领域提供了有力的贝叶斯方法的计算支持。图模型包括一些已被我们所知的工具，如马尔科夫随机场，隐马尔科夫模型，Kalman滤波。更为重要的是，图模型使在形式上为归纳这些工具成为可能，并可以根据推论及学习的需要，进行概率表述及相关算法的设计。本文着重讲述贝叶斯网络及动态贝叶斯网络研究的进展及其的推理及学习算法。