A continuous relaxation labeling algorithm for Markov random fields
2015-12-01 09:03
411 查看
马尔科夫随机场连续的松弛标记算法
该算法两个优点:多重线性结构:使得松弛算子可以允许简单的必要的和足够的收敛条件的推导。
局部最优
松弛标记法(Relaxation labeling):首先给一个图的每个节点赋予一个随机的标记,然后通过迭代的方式更新标记直至标记不再 改变算法结束(每个节点更新的依据是其邻居节点,所以这种更新是局部的)。松弛标记法可以分为两种:
离散的:为每个节点分配一个标记。
连续的:为每个节点分配一个权重向量(向量长度为标记总数),每个分量表示该节点属于该标记的比重。迭代至权重不再改变算法结束,选择最大的那个权重的标记为该节点的标记,若将该权重解释为概率,那么这个标记松弛算法也可称为概率松弛算法(Probabilistic relaxation )。
相关文章推荐
- Go语言的学习
- windows 下快速搭建go 语言开发环境
- 为Google每年带来100亿美元增长的A/B测试是什么?
- go 常见问题
- Django中文无法转换成latin-1编码的解决方案
- 蓝桥杯 ALGO-124 算法训练 数字三角形 的两种算法
- Windows 平台安装配置Golang语言环境
- Django第一次接触
- pedagogical
- 【django】搭建博客教程(4)——超级简单实现滚动回到页面顶端按钮
- 让Category支持添加属性与成员变量【转载】
- <18> go time
- googletest 学习笔记
- Django学习记录之Django 1.8 教程(我只是官网的搬运工)Tutorial Part 2
- Gof-23种设计模式名称列表
- Django学习记录之Django 1.8 教程(我只是官网的搬运工)Tutorial Part 1
- Mongo数据迁移-单个collection的迁移
- Mongo解决注册码到期的问题
- Google Tensorflow 源码编译(三):tensorflow<v0.5.0>
- 解决启动mongod 时,出现addr already in use错误