全文总字数：1152字

1. 研究目的与意义

1.项目研究的目的，预期成果 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。

本课题用概率图模型建立的推导方式解决上述问题。

2.意义 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它们被广泛应用于网络搜索、医疗诊断、图像理解、语音识别、自然语言处理和机器人导航等。

2. 国内外研究现状分析

1.项目研究的背景 概率图模型是一类用图形模式表达基于概率相关关系的模型的总称，是一种通用化的不确定性知识表示和处理方。

概率图模型的框架包括了多种模型如贝叶斯网络，马尔可夫随机场，隐马尔可夫模型，神经网络等。

国内外研究中常将贝叶斯网络和马尔科夫网络用于遗传基因诊断和字符识别。

3. 研究的基本内容与计划

用基于图模型理论研究带有回路的置信传递和马尔可夫链蒙特卡尔(mcmc)建立推导模型的方法。

1.研究马尔可夫链蒙特卡尔理论。

mcmc方法是一种重要的模拟计算方法，马尔可夫链蒙特卡尔理论(markov chain monte carlo：mcmc)的研究对建立可实际应用的统计模型开辟了广阔的前景。

4. 研究创新点

带有回路的置信传递和马尔可夫链蒙特卡尔理论(MCMC)建立精确推导模型，可用于字符识别和基因诊断。