Markov逻辑网是解决人工智能问题的一个工具，是一阶逻辑与Markov网相结合的统计关系学习方法。现有的Markov逻辑网学习算法主要有最大似然估计方法、最大伪似然估计方法、判别式训练方法和基于Bayesian方法的最大伪后验估计方法。判别式权值学习方法是学习使训练样本的条件对数似然最优时的权值。本文围绕判别式训练方法展开研究，具体工作如下：　　 1．在基于最大边缘框架的Markov逻辑网判别式权值学习算法中，分别引入平方误差损失函数、绝对误差损失函数、Hamming损失函数和F1损失函数，通过求解二次规划问题，获得不同损失函数下的权值，并将不同损失函数所求的权值作了比较，得出一种较好的损失函数来学习参数。　　 2．将Markov逻辑网应用于图像的边缘特征提取，首先对图像进行分块，然后对每一图像块构建Markov逻辑网，利用基于最大边缘框架的Markov逻辑网判别式权值学习算法进行权值学习，最后依据权值的大小确定边缘。实验结果表明，本文方法能提取出更全信息的图像边缘。