更改

[[File:Graph model.svg|thumb|right|这是一个图模型的例子。每个箭头表示一个依赖关系。在这个例子中: D 依赖于 A、 B 和 C; C 依赖于 B 和 D; 而 A 和 B 相互独立。]]

[[File:Graph model.svg|thumb|right|这是一个图模型的例子。每个箭头表示一个依赖关系。在这个例子中: D 依赖于 A、 B 和 C; C 依赖于 B 和 D; 而 A 和 B 相互独立。]]

常用的概率图模型大致分为两类：贝叶斯网络（Bayesian network, BN）和马尔可夫网络（Markovnetwork, MN）或者称为马尔可夫随机场。概率图理论共分为三个部分，分别为概率图模型表示理论，概率图模型推理理论和概率图模型学习理论。<ref>刘建伟，黎海恩，罗雄麟.[http://www.aas.net.cn/fileZDHXB/journal/article/zdhxb/2014/6/PDF/2014-6-1025.pdf 概率图模型学习技术研究进展[J]].自动化学报 , 2014 , 40 (6) :1025-1044</ref>

常用的概率图模型大致分为两类：贝叶斯网络（Bayesian network, BN）和马尔可夫网络（Markovnetwork, MN）或者称为马尔可夫随机场。概率图理论共分为三个部分，分别为概率图模型表示理论，概率图模型推理理论和概率图模型学习理论。<ref name = 刘建伟>刘建伟，黎海恩，罗雄麟.[http://www.aas.net.cn/fileZDHXB/journal/article/zdhxb/2014/6/PDF/2014-6-1025.pdf 概率图模型学习技术研究进展J].自动化学报 , 2014 , 40 (6) :1025-1044</ref>

其中：

其中：

由于概率图模型的表示分参数表示和结构表示两个部分, 因此学习算法也分为参数学习与结构学习两大类。

由于概率图模型的表示分参数表示和结构表示两个部分, 因此学习算法也分为参数学习与结构学习两大类。</ref name = 刘建伟>

===贝叶斯网络模型学习 ===

===贝叶斯网络模型学习 ===