随笔分类 - 概率图模型
安装GTSAM
摘要:一、下载gtsam源码 git clone https://bitbucket.org/gtborg/gtsam.git 二、 依赖 Boost >= 1.43 (Ubuntu: sudo apt-get install libboost-all-dev) CMake >= 3.0 (Ubuntu:
阅读全文
gtsam使用教程
摘要:```cpp #include #include #include #include #include #include #include #include #include // 定义图变量 NonlinearFactorGraph gtSAMgraph;// 创建一个非线性的因子图 Values
阅读全文
概率图模型 ——(9)二值图切法
摘要:@ 一、算法特点 二、最小s-t 切分 三、最大流问题 注意:双向节点,一个方向减少多少,相反方向就要增加多少 剩余还有流量与s节点或t节点相连的为对应的集合 四、利用图切法求解概率推理问题 4.1 图切法的适用条件 4.2 能量函数 4.3 算法流程 五、应用
阅读全文
概率图模型 ——(8)最大后验概率状态推理 (MAP 推理)
摘要:@ 一、简介 二、变量消元法求MAP 三、团树传播算法求MAP 四、小结
阅读全文
概率图模型 ——(7)树状图中的信念传播算法(Belief Propagation)
摘要:@ 一、简介 二、算法流程 节点势函数初始化; 所有消息初始化为 1; 选取所有边,迭代更新消息 ; 当消息传递收敛时,计算所有节点的信念(belief) 三、BP 算法与Bethe 聚类图 四、BP 算法与团树传播算法的联系
阅读全文
概率图模型 ——(6)团树传播算法
摘要:@ 一、变量消元与团树的关系 二、聚类图(cluster graph) 三、团树传播算法(clique tree message passing) 3.1利用变量消元过程构建一个聚类图 3.2 由变量消元法构建的聚类图的性质 3.3 用团树传播算法计算变量 X 的边缘概率 算法流程: 利用变量消元构
阅读全文
概率图模型 ——(5)变量消元法求边缘概率
摘要:@ 一、推理问题的分类 二、变量消元法 2.1 示例1 2.2 示例2 变量消元的顺序并不是固定的,可以任意改变 2.3 变量消元法时间复杂度分析 2.4 导出图 2.5 变量消元法消元顺序 三、小结
阅读全文
概率图模型 ——(4)因子图
摘要:@ 一、因子图(factor graph)的定义 二、贝叶斯网络用因子图表示 三、MRF 用因子图表示
阅读全文
概率图模型 ——(3)马尔科夫随机场
摘要:@ 一、马尔科夫随机场定义 二、一个简单的例子
阅读全文
概率图模型 ——(2)贝叶斯网络
摘要:@ 一、贝叶斯网络定义 1.1 贝叶斯网络例子 二、概率影响的流动性 三、贝叶斯网络中的独立性
阅读全文
概率图模型 ——(1)概率论与图论基础
摘要:@ 一、概率论 1.1 基本名词概念 1.2 概率的定义 1.3 条件概率的定义 1.4 条件概率的三大公式 1.5 独立性 1.6 条件独立性 1.7 概率图模型常用的三个概念 二、图论 圈的概念:如图1中的1265形成了了一个圈,图2中的1253形成了一个圈
阅读全文