A continuous relaxation labeling algorithm for Markov random fields

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 ）。