概率图模型

         概率图理论共分为三个部分，分别为概率图模型表示理论，概率图模型推理理论和概率图模型学习理论。基本的概率图模型包括贝叶斯网络、马尔可夫网络和隐马尔可夫网络。基本的Graphical Model 可以大致分为两个类别：贝叶斯网络和马尔可夫随机场。它们的主要区别在于采用不同类型的图来表达变量之间的关系：贝叶斯网络采用有向无环图来表达因果关系，马尔可夫随机场则采用无向图来表达变量间的相互作用。这种结构上的区别导致了它们在建模和推断方面的一系列微妙的差异。一般来说，贝叶斯网络中每一个节点都对应于一个先验概率分布或者条件概率分布，因此整体的联合分布可以直接分解为所有单个节点所对应的分布的乘积。而对于马尔可夫场，由于变量之间没有明确的因果关系，它的联合概率分布通常会表达为一系列势函数的乘积。

http://blog.csdn.net/liuheng0111/article/details/52348994