Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

6. Markov Random Fields

verfasst von : Luis Enrique Sucar

Erschienen in: Probabilistic Graphical Models

Verlag: Springer London

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This chapter presents an introduction to Markov random fields (MRFs), also known as Markov networks, which are undirected graphical models. We describe how a Markov random field is represented, including its structure and parameters, with emphasis on regular MRFs. Then, a general stochastic simulation algorithm to find the optimum configuration of an MRF is described, including some of its main variants. The problem of parameter estimation for an MRF is addressed, considering the maximum likelihood estimator. Conditional random fields are also introduced. The chapter concludes with two applications of MRFs for image analysis, one for image de-noising and the other for improving image annotation by including spatial relations.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Hidden Markov Models
Nächstes Kapitel Bayesian Networks: Representation and Inference
Literatur
1.
2.
Binder, K.: Ising Model. Hazewinkel, Michiel, Encyclopedia of Mathematics. Springer, New York (2001)
3.
Geman, D., Geman, S., Graffigne, C.: Locating Object and Texture Boundaries. Pattern recognition theory and applications. Springer, Heidelberg (1987)CrossRef
4.
5.
Hernández-Gracidas, C., Sucar, L.E.: Markov random fields and spatial information to improve automatic image annotation. Advances in Image and Video Technology. Lecture Notes in Computer Science, vol. 4872, pp. 879–892. Springer (2007)
6.
Hernández-Gracidas, C., Sucar, L.E., Montes, M.: Improving image retrieval by using spatial relations. J. Multimed. Tools Appl. 62, 479–505 (2013)CrossRef
7.
Kindermann, R., Snell, J.L.: Markov random fields and their applications. Am. Math. Soc. 34, 143–167 (1980)
8.
Lafferty, J., McCallum, A., Pereira, F.: Conditional random fields: probabilistic models for segmenting and labeling sequence data. In: International Conference on Machine Learning (2001)
9.
Li, S.Z.: Markov Random Field Modeling in Image Analysis. Springer, London (2009)MATH
10.
Sutton, C., McCallum, A.: An Introduction to Conditional Random Fields for Relational Learning. In: Geetor, L., Taskar, B. (eds.) Introduction to Statistical Relational Learning, MIT Press, Cambridge (2006)
11.
Wallach, H.M.: Conditional random fields: an introduction. Technical Report MS-CIS-04-21, University of Pennsylvania (2004)
Metadaten
Titel
Markov Random Fields
verfasst von
Luis Enrique Sucar
Copyright-Jahr
2015
Verlag
Springer London
Buch
Probabilistic Graphical Models

Print ISBN: 978-1-4471-6698-6

Electronic ISBN: 978-1-4471-6699-3

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-1-4471-6699-3_6