Скрытое марковское случайное поле
В статистике скрытое марковское случайное поле является обобщением скрытой марковской модели . Вместо лежащей в основе цепи Маркова скрытые случайные поля Маркова имеют лежащее в основе случайное поле Маркова .
Предположим, мы наблюдаем случайную величину , где . Скрытые марковские случайные поля предполагают, что вероятностная природа определяется ненаблюдаемым марковским случайным полем , .То есть, учитывая соседей из независим от всех остальных (собственность Маркова).Основное отличие от скрытой модели Маркова состоит в том, что окрестности определяются не в одном измерении, а внутри сети, т.е. разрешено иметь больше двух соседей, чем было бы в цепи Маркова . Модель сформулирована таким образом, что с учетом , независимы (условная независимость наблюдаемых переменных при заданном марковском случайном поле).
В подавляющем большинстве соответствующей литературы количество возможных скрытых состояний считается определяемой пользователем константой. Однако идеи непараметрической байесовской статистики, которые позволяют делать выводы о количестве состояний на основе данных, также недавно были успешно исследованы, например [1]
См. также
[ редактировать ]Ссылки
[ редактировать ]- Юнъюэ Чжан; Смит, Стивен; Брэди, Майкл (11 мая 2000 г.). «Модель скрытого марковского случайного поля» . Модель скрытого марковского случайного поля и сегментация МР-изображений мозга . Оксфордский центр функциональной магнитно-резонансной томографии головного мозга (FMRIB). Технический отчет FMRIB TR00YZ1.