马尔可夫随机场 (MRF) - 图模型详解及应用

马尔可夫随机场 (Markov Random Field, MRF) 是一种用于建模联合概率分布的图模型，也称为无向图模型或能量模型。它描述了一组随机变量之间的依赖关系，其中每个变量的条件分布仅依赖于其相邻的变量，即与其直接相连的变量。因此，MRF 是一种局部性模型，它假设任意两个非直接相邻的变量之间不存在依赖关系。

MRF 可以用于多种应用领域，如图像处理、计算机视觉、自然语言处理等。在这些领域中，MRF 被用于建模像素之间的相互作用、文本中词语之间的关系等。

MRF 可以用图形表示法来表示，其中节点表示随机变量，边表示变量之间的依赖关系。MRF 的概率分布可以通过定义一个能量函数来表示，该函数对于给定的变量配置会返回一个实数值，表示该配置的'能量'或'代价'。MRF 中的概率分布可以使用 Gibbs 分布来表示，其中每个变量的条件概率分布仅依赖于其邻居节点的状态。

MRF 的学习可以使用最大似然估计或贝叶斯估计等方法进行。MRF 的推断可以使用启发式搜索、近似推断、精确推断等方法进行。