隐马尔科夫模型是一个无向概率图模型，条件随机场是一个有向图模型。
举一反三
- 隐马尔科夫模型是判别式模型，条件随机场模型是生成式模型。
- 关于马尔科夫随机场，说法正确的是： A: 马尔科夫随机场也被称为马尔科夫网络或者无向图模型 B: 与贝叶斯网络一样，马尔可夫网可以视为定义了一系列由图结构确定的独立性假设 C: 对于满足马尔科夫随机场的联合概率分布可以通过因子分解的形式求解 D: 每个结点表示一个或者一组变量，结点之间的边表示两个变量之间的依赖关系
- 基于高斯混合模型-隐马尔科夫模型的声学模型用（ ）来描述状态之间的转移概率并描述出现概率。 A: 高斯混合模型 B: 隐马尔科夫模型 C: 神经网络 D: 贝叶斯模型
- 隐马尔科夫模型的模型参数包括序列长度、转移概率、初始概率和发射概率（）
- 以下模型中属于贝叶斯网络的有 A: 马尔科夫随机场 B: 隐马尔科夫模型 C: 逻辑斯蒂回归 D: 朴素贝叶斯分类器