原文： http://blog.sina.com.cn/s/blog_92c398b00102vs3q.html
馬爾科夫過程
隱馬爾科夫過程
與馬爾科夫相比，隱馬爾可夫模型則是雙重隨機過程，不僅狀態轉移之間是個隨機事件，狀態和輸出之間也是一個隨機過程。
領域系統
分階領域系統與子團
馬爾科夫隨機場的通俗解釋
馬爾可夫隨機場（Markov Random Field）包含兩層意思。
馬爾可夫性質：它指的是一個隨機變量序列按時間先后關系依次排開的時候，第N+1時刻的分布特性，與N時刻以前的隨機變量的取值無關。拿天氣來打個比方。如果我們假定天氣是馬爾可夫的，其意思就是我們假設今天的天氣僅僅與昨天的天氣存在概率上的關聯，而與前天及前天以前的天氣沒有關系。其它如傳染病和謠言的傳播規律，就是馬爾可夫的。
隨機場：當給每一個位置中按照某種分布隨機賦予相空間的一個值之后，其全體就叫做隨機場。我們不妨拿種地來打個比方。其中有兩個概念：位置（site），相空間（phase space）。“位置”好比是一畝畝農田；“相空間”好比是種的各種庄稼。我們可以給不同的地種上不同的庄稼，這就好比給隨機場的每個“位置”，賦予相空間里不同的值。所以，俗氣點說，隨機場就是在哪塊地里種什么庄稼的事情。
馬爾可夫隨機場：拿種地打比方，如果任何一塊地里種的庄稼的種類僅僅與它鄰近的地里種的庄稼的種類有關，與其它地方的庄稼的種類無關，那么這些地里種的庄稼的集合，就是一個馬爾可夫隨機場。
馬爾科夫隨機場與圖像的關系
馬爾科夫隨機場
Gibbs分布
MRF與Gibbs分布的等價關系
貝葉斯公式
基於MRF的圖像分割模型
***在argmax g(t)中，表達的是定義域的一個子集，該子集中任一元素都可使函數g(t)取最大值。
勢函數
特征場模型建立
