![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
条件随机场
778811
这个作者很懒,什么都没留下…
展开
-
马尔可夫模型与条件随机场模型
条件随机场模型是由Lafferty在2001年提出的一种典型的判别式模型。它在观测序列的基础上对目标序列进行建模,重点解决序列化标注的问题。条件随机场模型既具有判别式模型的优点,又具有产生式模型考虑到上下文标记间的转移概率,以序列化形式进行全局参数优化和解码的特点,解决了其他判别式模型(如最大熵马尔科夫模型)难以避免的标记偏置问题。 条件随机场理论(CRFs)可以用于序列标记、数据分转载 2016-07-14 20:27:57 · 3324 阅读 · 0 评论 -
统计学习方法--条件随机场1
条件随机场:给定一组输入随机变量条件下,获得另一组输出随机变量的条件概率分布模型。特点:假设输出随机变量构成马尔可夫随机场。这里主要讲:线性链条件随机场概率无向图模型:又称马尔可夫随机场,是一个由无向图表示的联合概率分布。模型定义:成对马尔可夫性: 局部马尔可夫性: 全局马尔可夫性:原创 2016-07-14 22:03:42 · 1145 阅读 · 0 评论 -
统计学习方法---条件随机场2
概率无向图模型(马尔可夫随机场)的因子分解----------写作图中所有最大团C上的函数的乘积形式。原创 2016-07-14 22:13:46 · 521 阅读 · 0 评论 -
统计学习方法----条件随机场3
条件随机场定义:给定随机变量X(观测序列)条件下,随机变量Y(状态序列)的马尔可夫随机场。 (由此可以看出,条件随机场是条件概率分布问题,马尔可夫随机场是联合概率分布问题。) 已知马尔可夫随机场中的联合概率分布问题可以分解为场中各个最大团的函数乘积问题,线性链条件随机场中条件概率分布P(Y|X原创 2016-07-14 22:26:22 · 808 阅读 · 0 评论