概率松弛标记.doc_第1页
概率松弛标记.doc_第2页
概率松弛标记.doc_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

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，i=1,2,n,要划分为m个类别,j=1,2,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i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*3窗口作为目标i的邻域，但不包括目标i；：目标i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Markov随机场X的一个样本实现，Markov随机场（MRF）的局部性为上式将用于Bayes公式的简化。如果将第r次迭代
人人文库> 全部分类> 应用文书 > 技术指导

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论