概率松弛标记

《概率松弛标记》由会员分享，可在线阅读，更多相关《概率松弛标记（3页珍藏版）》请在金锄头文库上搜索。

1、概率松弛标记 松弛标记法是一种利用符号描述模式的识别方法。松弛算法本质上是并行的, 它以迭代形式进行, 整个过程与人的猜测推理过程相类似,利用各种关系逐步缩小搜索范围, 最终求出正确的结果。 我们将被处理对象称为目标, 描述目标的符号称为标记。开始处理时， 一般不能清楚地识别目标, 目标的属性是模糊的.松弛标记法利用目标之间的各种关系逐步减小这种模糊度.先建立目标的初始标记， 经不断迭代,逐步更新标记, 最后求出描述目标较准确的标记集. 概率松弛法原理假设有n个对象，i1，2,n，要划分为m个类别,j1,2,m，分类过程彼此制约。设为事件的初始概率，对其进行迭代,希望得到与制约条件相适应的概率

2、分布,以此作为分类的依据.为此,作概率的线性组合式中为事件与事件之间的相容系数，满足，并且与相容;与不相容；与相互独立，于是迭代概率为:式中r为迭代上标. 概率松弛发分类是将受相容性制约，对噪音不敏感，当相容准则和系数选取得当时便可以得到良好的效果。相容准则和系数的选取必须根据具体问题来确定。概率松弛标记过程就是从初始标记概率出发， 从相关联的目标中传送局部乃至整体的关联信息， 对初始标记进行逐步地协调和修正, 找出整体上一致的最大后序概率(MAP)估计,为每一目标指定唯一标记。转换函数: 概率松弛标记法的核心是转换函数，用于从邻近目标中提取越来越多的相关信息，以使标记指定的概率估计最终达到精

3、确值。在引入概率松弛标记法的转换函数时, 其中各参数符号为:目标i的随机变量;:把目标i指定为标记；:V中与目标有关的所有随机变量的集合,但不包括,即；：的一个结构，:所有的结构空间；：目标i的邻域,如选择*3窗口作为目标的邻域，但不包括目标i；：目标的邻域结构；:在目标i的邻域结构中目标l的标记指定;：遍及的所有的结构空间；：目标i的观测矢量。对于的每一个结构，表示在观测集Y条件下出现由和所表述的标记指定结构的概率。由于中还有的所有可能标记指定结构,则:使用Bayes公式可得出将看作是有关的Marv随机场X的一个样本实现,Makv随机场(MRF)的局部性为上式将用于ayes公式的简化.如果将第r次迭代时的观测表示为,则经过第r次迭代后目标i指定为标记的后续概率估计为，由此得到以下转换函数T：式中文中如有不足，请您指教！ /