##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。