弟十讲句法模式识别.docVIP

第十讲 句法模式识别 基本概念 1、结构模式识别： 有一些模式识别任务，不能在特征空间中用统计模式识别的方法得到解决。 汉字的识别：汉字有偏旁部首、笔划构成 字符的识别：字符的字体不影响识别 语言的识别：语言由音节、字、词构成 图像识别：画面分割，目标识别 生物识别：基因序列，染色体结构，心电图分类 定义： 以结构基元为基础，利用模式的结构信息完成分类的过程，称为“结构模式识别”。 其中“基元”指构成模式结构信息的基本单元，本身不包含有意义的结构信息。 基元的选取与应用有关： 文字：笔划或偏旁部首作为基元 语音：音素作为基元 心电图：收缩波和扩张波作为基元 图形：边缘线段、角点都可作为基元 讨论： 结构模式识别是与统计模式识别完全不同的一大类模式识别问题，一个基于结构信息，一个基于特征值 结构模式识别不仅能完成分类，还可以得到每个模式的结构性质 结构模式识别的依据是模式间结构上的“相似性”，这种相似度的度量不能用一般特征空间中的距离来表示 结构模式识别可以采用句法方法、拓扑分析方法、图论方法等多种方法 基元提取和分类器训练上的困难使得结构模式识别方法仍未成熟 结构模式识别系统的模式信息通常来源于图像、音频等多媒体信息源 2、句法模式识别 （1）句法模式识别的定义： 句法模式识别是利用模式的结构信息，以形式语言理论为基础来进行结构模式识别的方法。 傅京荪（1930-1985） 美国工程院院士、Purdue大学讲座教授、台湾中央研究院院士，国际模式识别协会(International Association for Pattern Recognition:IAPR)60年代提出句法模式识别。 （2）句法和文法： 句法 句法来源于语言学，是指由字（词）构成句子的方式，也就是一个句子组成的规则。 句法具有递归性，可以重复组合使用，用简单的规则可以表达复杂的结构。 可以用句法来表达结构模式识别中基元间的结构关系。 文法 文法是指一类相似的句子的共同句法规则。 可以用文法来表示一类样本的共同特点。 对某个具体的句子进行句法分析，判别与某类的文法是否相似，可以实现模式识别。 （3）形式语言： 形式语言是自然语言的抽象，是用一组明确的数学规则描述的语言，是语言的“数学化”，它由按一定规律构成的句子或符号串的有限或无限的集合乔姆斯基（Noam Chomsky, 1928--）语言学家，語言学与哲学系荣誉退休教授，曾任该，并任该校认知科学研究中心主任1957年出版《句法结构》学者，并是有史以来被引用数第八多的学者。 3、句法模式识别系统的组成 句法分析： 判断一个样本是否符合一定的文法，从而得到该样本与已知类别的相似性。 文法推断： 从分好类的训练集中获得该类所有样本的共同特征，形成代表每个类别的文法规则。 利用形式语言理论完善和坚实的数学基础，可用句法分析的方法来实现结构模式识别问题的求解 形式语言理论 基本概念： （1）字母表： 与所研究的问题有关的符号集合。 例：V1={A,B,C,D}, V2={a,b,c,d},V3={0,2,6,8} （2）句子(链)： 由字母表中的符号所组成的有限长度的符号串。 例如有字母表{0,1}，则{0,1,00,01,0110}就是有效句子的集合。 不包括任何符号的句子称为空句，记为λ。 V*：由字母表V中的符号组成的所有句子的集合，包括空句子λ在内。 例： V*＝{λ,01, 001} V＋：不包括空句子在内的句子集合，即V＋＝V*－(λ) （3）句子(链)的长度： 句子所包含的符号数目，例: |a3b3c3|=9 （4）语言： 由字母表中的符号组成的句子集合，用L表示。 例：字母表V={a,b} L1={ab,aab,abab} 有限语言 L2={anbm|n,m=0,1,2….}无限语言 在一种语言中，构成任何句子都必须遵循统一的规则，这些规则的集合称为文法，用G表示。L(G)表示由文法G构成的语言。 （5）文法 文法的数学定义：它是一个四元式，由四个参数构成： G={VN, VT, P, S} VT：终止符，不能再分割的最简基元的集合，用小写字母表示。 VT={a,b,c} VN：非终止符，由基元组成的子模式和句子的集合。用大写字母表示。VN={A,B,C} VT， VN的关系： VT∩VN= Φ(空集) VT∪ VN= V（全部字母表） S：起始符：属于VN非终止符中的一个符号 P：产生式(再写规则)，存在于终止符和非终止符间的关系式。 例： α→β， α∈