全文总字数：4468字

1. 研究目的与意义

应用于诊断和识别的模糊推导模型的建立精确模型的推导在现实中经常是无法实现的，幸运的是已经有一些近似推导方法帮助我们解决这个问题，本课题主要研究其中的2种方法：带有回路的置信传递和马尔可夫链蒙特卡罗(采样) 我们生活在一个不确定的世界里，未来任何事情我们几乎都无法百分之百的预测，而概率为我们对世界的不同事情或状态建立了可信度这一模型，而可信度是随着世界变化不停改变的。

虽然概率论从17世纪就开始出现，但也是在最近被用于解决涉及多变量交互的复杂问题，并导致了概率图模型的出现。

概率图模型的框架包括了多种模型如贝叶斯网络和马尔可夫随机场。

2. 国内外研究现状分析

模糊模型是针对精确模型而产生的。

因为精确模型往往无法实现，所以我们可以通过近似推导的方法建立模糊模型。

马尔可夫模型是一种统计模型，广泛应用在语音识别，词性自动标注，音字转换，概率文法等各个自然语言处理等应用领域。

3. 研究的基本内容与计划

计划：3月15日前完成开题报告，4月15日前建立图模型，完成程序。5月1号前完成论文。

内容：一）带有回路的置信传递和马尔可夫链蒙特卡罗(采样)图模型的建立 1.计算图模型的概率 2.参数估计二）把建立的图模型应用于诊断和识别。 1.如：应用于字符识别 2.基于图模型的字符识别的算法框架 3.计算训练数据的生成算发，确定研究对象为人脸，运用MATLAB设计程序来建立人脸识别的概率图模型。通过计算图模型的概率来实现识别车牌的功能。

4. 研究创新点

精确模型的推导在现实中经常是无法实现的，幸运的是已经有一些近似推导方法帮助我们解决这个问题。

其中的2种方法：带有回路的置信传递和马尔可夫链蒙特卡罗(采样)