概率图模型
用图来表示变量概率依赖关系的理论，结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。
由图灵奖获得者Pearl开发出来。
概率图模型理论分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。
近10年它已成为不确定性推理的研究热点，在人工智能、机器学习和计算机视觉等领域有广阔的应用前景。
1 有向图模型 分为：静态贝叶斯网络 动态贝叶斯网络。 动态贝叶斯网络再具体细分就是 隐马尔科夫模型 和 卡尔曼滤波器。
2 无向图模型 分为：马尔科夫网络。 马尔科夫网络分成 吉布斯/波尔兹曼机 和 条件随机场。
有向图和无向图两种概念的直观区别，一个是单项依赖关系 另一个是相互依赖关系！
团和最大团：
无向图G中任何两个结点均有边连接的结点子集称之为团！若C是无向图G中的一个团，并且不能再加进任何一个G的结点使其成为一个更大的团，则称此C为最大团！