学习笔记：结构化概率模型

##1.什么是结构化概率模型

"结构化概率模型"（structured probabilistic model），是一类用图形模式表达基于概率相关关系的模型的总称，也称“图模型”（graphical model）英文简称，PGM 

概率图模型具有图论和概率论两大理论基础，是生成模型的基础。因此它可以很好地表现运动特征、实体(中间语义)及行为之间的关系，可以为人体行为描述提供了一个自然结构。概率图模型不仅能准确描述视频中复杂概率现象的统计学本质，而且可以控制模型的计算代价，形成有效的生成算法。

##2.用图描述的二种重要的，结构化概率模型

结构化概率模型使用图来表示随机变量之间的相互作用。每一个结点就代表一个随机变量。每一条边就代表一个直接相互作用，这些直接相互作用隐含着其他的间接相互作用，但是只有直接的相互作用会被显式的建模。

@@1.有向模型

有向图模型，也被称为信念网络或者贝叶斯网络。

 有向（directed）模型 使用带有有向边的图，它们用条件概率分布来表示分解，有向模型对于分布中的每个随机变量Xi都包含着一个影响因子，这个组成Xi条件概率的影响因子被称为Xi的父节点，记为PaG(Xi)。

                                                  

                 下图给出了一个有向图的例子以及表示它的概率分布分分解。

 

 

                                                                 

                                                                                    图1

            图1，关于随机变量a、b、c、d和e的有向图模型。这幅图对应的概率分布可以分解为

                                                   p(a,b,c,d,e）= p(a)p(b|a)p(c|a,b)p(d|b)p(e|c)  （2）

该图模型使我们能够快速看出此分布的一些性质。例如，a和c直接相互影响，但a和e只有通过c间接相互影响。

@@2.无向模型

无向模型，马尔科夫随机场( Markov random fields ),也被称为无向图模型( undirected graphical models )。这个模型中,链接没有箭头,没有方向性质。