有向图和无向图都可以使得,若干个变量的一个联合概率函数(或全局函数)能够表示成,这些变量的子集上的因子的乘积。
因⼦图比有向图和无向图更显式地表示了这个分解,方法是:在表示变量的结点的基础上,又引入额外结点来表示因子本身。因子图也使我们能够更加清晰地了解分解的细节。
有向图:
P(x)=P(x1)P(x2)P(x3)P(x4|x1,x2,x3)P(x5|x1,x3)P(x6|x4)P(x7|x4,x5)P(x)=P(x1)P(x2)P(x3)P(x4|x1,x2,x3)P(x5|x1,x3)P(x6|x4)P(x7|x4,x5)
用因子图表示,其实就是将相应的函数因子改写:
P(x)=P(x1)P(x2)P(x3)P(x4|x1,x2,x3)P(x5|x1,x3)P(x6|x4)P(x7|x4,x5)=f(x1)f(x2)f(x3)f(x1,x2,x3,x4)f(x1,x3,x5)f(x4,x6)f(x4,x5,x7)P(x)=P(x1)P(x2)P(x3)P(x4|x1,x2,x3)P(x5|x1,x3)P(x6|x4)P(x7|x4,x5)=f(x1)f(x2)f(x3)f(x1,x2,x3,x4)f(x1,x3,x5)f(x4,x6)f(x4,x5,x7)
无向图:
P(x)=1ZψC1(x1,x2,x3)ψC2(x3,x4)ψC3(x3,x5)P(x)=1ZψC1(x1,x2,x3)ψC2(x3,x4)ψC3(x3,x5)
上面的式子是不是也可以看成是多个因子表示的。
因子图:
P(x)=fa(x1,x2)fb(x1,x3)fc(x2,x3)P(x)=fa(x1,x2)fb(x1,x3)fc(x2,x3)
1)常见的电路图、信号流程图、格子图以及各种框图都属于图模型的范畴;
2)因子图(factor graph,FG)是图模型的一种;
3)因子图的典型代表是Forney-style factor graph,简称 FFG。
4)编码领域、信号处理、人工智能方面的大量算法应用。
一般 FFG 由 结点,边缘,半边缘(只与一个结点连接)组成;
FFG的定义规则如下:
a) 每个因子对应唯一的结点集合;
b) 每个变量对应唯一的边缘或者半边缘;
c) 代表因子 ff 的函数。
f(u,w,x,y,z)=f1(u,w,x)f2(x,y,z)f3(z)
例:在上图中
3个结点 对应 3个因子:f1,f2,f3f1,f2,f3
2个边缘 对应 2个变量 x,zx,z
3个半边缘 对应 3个变量 u,w,y