《模式识别及其应用》求取 ⇩

第一章　引论1

1.1模式识别的句法（结构）方法1

1.2　句法模式识别系统6

1.3　预处理技术7

1.4　模式的分割10

1.5　基元的识别15

1.6　关于句法方法与统计方法的评论21

参考文献23

第二章　形式语言介绍27

2.1引言27

2.2　短语结构文法和语言27

2.3　有限状态语言和有限状态自动机30

2.4　上下文无关语言和下推自动机34

2.5　涂灵机和线性有界自动机37

2.6 改型文法40

2.7　语言翻译42

参考文献44

第三章　描述各种模式的链语言46

3.1　关于模式基元的选择46

3.2　着重于边界或骨架的基元选择49

3.3　用区域作为模式基元53

3.4　模式文法：引论57

3.5　一些特殊的模式文法59

3.6　描述模式的转移网络方法69

3.7　关于词义信息的利用72

3.8　高维模式文法77

3.9网状文法和图文法80

3.10 树状文法87

3.11 描述三维物体的一种文法95

参考文献99

第四章　作为识别步骤的句法分析104

4.1引言104

4.2 自上而下的剖析107

4.3 自下而上的剖析111

4.4　科克-杨格-卡萨米（Cocke-Younger-Kasami）剖析算法115

4.5　厄利（Earley）的剖析算法116

4.6 LR（k）文法117

4.7　算子优先文法118

4.8　优先和扩展的优先文法121

4.9　上下文无关程序语言的句法分析123

参考文献125

第五章　句法模式识别的随机语言128

5.1　基本的阐述128

5.2　与线性的和上下文无关文法相联系的概率度量132

5.3由随机自动机接受的语言137

5.4　随机的程序文法和附标文法147

5.5　随机上下文无关语言的随机句法分析152

5.6　上下文无关程序语言的随机句法分析158

5.7　产生式概率的估计165

5.8　随机句法分析的例子170

参考文献175

第六章　链语言和树状语言的误差校正剖析178

6.1引言178

6.2　上下文无关语言的最小距离误差校正剖析179

6.3　上下文无关程序语言的误差校正剖析184

6.4　对一个随机模型作误差校正剖析187

6.5　噪声模式的顺序分类197

6.6　结构保持的误差校正树状自动机（SPECTA）201

6.7　广义的误差校正树状自动机213

参考文献228

第七章　句法模式的聚合分析229

7.1引言229

7.2　句子到句子的聚合算法229

7.3　一个直观的例子231

7.4　最近邻域句法识别规则的提出244

7.5　句法模式的一个聚合过程245

7.6　两棵树间的距离及聚合分析249

7.7　结论和评论258

参考文献258

第八章　句法模式识别的文法推断260

8.1　引言及基本定义260

8.2　穷举的文法推断算法263

8.3　归纳的文法推断算法267

8.4　随机文法的贝斯推断273

8.5　随机有限状态自动机的综合273

8.6　一个实际的文法推断系统278

8.7　随机语言的近似282

8.8　正则树状文法的推断285

8.9　网状文法的一个推断程序291

参考文献299

第九章　句法模式识别在波形、轮廓形状及纹理分析中的应用302

9.1引言302

9.2　波形中的波峰识别304

9.3　颈动脉脉冲波的分析310

9.4　脑电图的分析312

9.5　轮廓的形状分析317

9.6　纹理分析的句法途径324

9.7　纹理分析的句法模型328

9.8　纹理合成的直观例子333

9.9　纹理的判别344

9.10　纹理模拟的随机树状文法推断346

9.11　评论352

参考文献352

英汉术语对照356