5.8.5　运动连续性近邻传播算法信息传递

5.8.5　运动连续性近邻传播算法信息传递

运动连续性近邻传播算法的信息传递图如图5.63所示。在图中，有五种类型的信息在方程节点和变量节点之间进行传递。根据最大乘积算法[45]，因子图内部的信息传递无外乎有两种：一是从变量节点到与其相连的方程节点的信息传递μx→f(x)，如公式(5.71)所示；二是从方程节点到与其相连的变量节点的信息传递μf→x(x)，如公式(5.72)所示。

其中，N(x)\f 表示除了方程节点f 以外与变量节点x 相连的方程节点的集合。同理，N(f)\x 表示除了变量节点x 以外与方程节点f 相连的变量节点的集合。

接下来，本节根据信息传递原理推导出运动连续性近邻传播算法的迭代公式。对于二值模型，其中的变量取值只能是0和1。当变量的值未知时，用来表示信息传递值。

图5.63为运动连续性AP算法信息传递图。对于每一种信息都需要分两种情况来进行讨论：i=j和i≠j。首先讨论i≠j的情况，然后再讨论i=j的情况。

对于i≠j的情况，属于变量节点到方程节点的信息传递有βij 和ρij，属于方程节点到变量节点的信息传递有ηij 和αij。下面就根据公式(5.71)来计算βij 和ρij，根据公式(5.72)来计算ηij 和αij。

当变量节点向方程节点Ii传递信息时，其表达式如下所示：

对于二值模型，其中的变量取值只能是0和1，因此可以继续推导当时：

图5.63　运动连续性AP算法(https://www.daowen.com)

(a)i≠j信息传递；(b)i=j信息传递

其中，为上一步迭代的结果，新迭代结果是当前迭代过程中更新值和上一步迭代结果加权得到的。当迭代次数超过预先设置的最大迭代次数tmax或者聚类中心在规定的tconv次迭代中保持不变，则迭代停止，聚类结果生成。