[数学]马尔可夫随机场（Markov Random Field）
很久很久很久以前就听过这个名词，而且非常高深，但是由于各种原因，没有仔细研究过。。。
最近又开始不得不接触此技术。
网上略查一番，发现有一个比较通俗易懂的解释。不知道合理不合理，至少对我这个门外汗还是有个概念性的印象。
zz from http://kaizitop.spaces.live.com/blog/cns!B4A21B0C2D46EC31!260.entry
马尔可夫随机场（Markov Random Field）包含两层意思。 A.马尔可夫性质： 它指的是一个随机变量序列按时间先后关系依次排开的时候， 第N+1时刻的分布特性，与N时刻以前的随机变量的取值无关。 比方： 拿天气来打个比方。 如果我们假定天气是马尔可夫的，其意思就是我们假设 今天的天气仅仅与昨天的天气存在概率上的关联， 而与前天及前天以前的天气没有关系。 其它如传染病和谣言的传播规律，就是马尔可夫的。 B.随机场： 当给每一个位置中按照某种分布随机赋予相空间的一个值之后，其全体就叫做随机场。 比方： 我们不妨拿种地来打个比方。 其中有两个概念：位置（site），相空间（phase space）。 “位置”好比是一亩亩农田； “相空间”好比是种的各种庄稼。 我们可以给不同的地种上不同的庄稼， 这就好比给随机场的每个“位置”，赋予相空间里不同的值。 所以，俗气点说，随机场就是在哪块地里种什么庄稼的事情。 马尔可夫随机场： 拿种地打比方，如果任何一块地里种的庄稼的种类 仅仅与它邻近的地里种的庄稼的种类有关， 与其它地方的庄稼的种类无关，那么这些地里种的庄稼的集合， 就是一个马尔可夫随机场。
原来我朝有一位对此技术颇有造诣的大师！
在此崇拜一记！
李子清大师的个人主页
http://www.cbsr.ia.ac.cn/users/szli/
权威书： Markov Random Field Modeling in Image Analysis
