马尔可夫随机场

马尔可夫随机场
随机过程就是描写叙述某个空间上粒子的随机运动过程的一种方法。它是一连串随机事件动态关系的定量描写叙述。随机过程与其他数学分支，如微分方程、复变函数等有密切联系。是自然科学、project科学及社会科学等领域研究随机现象的重要工具。
马尔科夫过程，是指下一个时间点的值只与当前值有关系，与以前没有关系，即未来决定于现在而不是过去。
这种在已知 “现在”的条件下，“未来”与“过去”彼此独立的特性就被称为马尔科夫性，具有这种性质的随机过程就叫做马尔科夫过程，其最原始的模型就是马尔科夫链。
马尔科夫随机场的某个随机变量，仅仅只与其相邻的随机变量有关，与那些不相邻的随机变量无关。
马尔可夫随机场，也叫马尔可夫网。无向图模型也叫马尔科夫随机场(MarkovRandomFields)或马尔科夫网络(MarkovNetwork)，无向图模型有一个简单的独立定义：两个节点集A、B都与给定的第三个节点集C相互条件独立，A、B节点之间的路径都被C中的节点分开。
相比之下，有向图模型也叫贝叶斯网络(Bayesiannetworks)或信念网络(BeliefNetworks)，有向图模型有一个更复杂的独立性观念。