第7章 结构模式识别 - 西安电子科技大学.ppt

　　(3) d=2, 计算t02、 t13 和t24: 　　对于t02, 因为t01=A, t12=A, P中没有非终止符Y→AA的产生式, 所以　　　　　;  　　对于t13, 因为t12=A, t23=B, P中有产生式S→AB, 所以t13=S; 　对于t24, 因为t23=B, t34=B, P中没有非终止符Y→BB的产生式, 所以　　　　。 　　识别矩阵构造完成, 如表7-1所示。 t0n=t04中含有起始符S, 说明文法所产生的语言含有句子x=aabb, 即x属于给定文法所代表的那一类模式。 图 7-8　树自动机工作示意图 (a) 输入树; (b) 给叶节点指定状态; (c) 给根的后代指定状态; (d) 给根节点指定状态 7.3.2　网文法 　　网文法是一种二维文法, 又称网状文法。 网文法生成的句子是以终止符为节点标记的有向图。  　　定义7.12　一个网文法是一个四元组: 其中: VN为非终止符集; VT为终止符集; S为起始网集; P为网状产生式集。 一个网状产生式的形式为α→β, E, 其中, α和β是子网, E是β的一个嵌套规则, 规定把子网β嵌入到网W中用以代替子网α的逻辑关系, 具体说就是E规定了怎样使β的节点和原与α连接的每个节点相连。 对于起始主网, 是一个单点, 不受任何限制。  　　【例 7.7】　网文法GW=(VN, VT, P, S), 其中, VN={A}, VT={a, b, c} , S={A}, P如图7-9(a)所示, E表示α能被重写为β, 并且把β中的节点a和A标记为b和c的邻点连接起来。 　　这个网文法所产生的语言是如图7-9(b)所示的所有网的集合。 　　网文法主要应用于图形中, 在使用时往往对产生式加一些限制以简化应用, 如取VT为单终止符集合, 此时的网文法称为图文法。  图 7-9　例7.7网文法的产生式和生成的句子 (a) 产生式; (b) 生成的句子 7.3.3　随机文法和识别器 　　在实际的模式识别问题中, 被研究的过程往往存在某种程度的不确定性。 受不确定因素的影响, 一个模式可能由多个文法产生。 为解决这类问题, 把概率引入结构模式识别, 提出了随机文法和随机语言, 给每个句子的出现加上概率分布。 　1. 随机文法与随机语言 　　定义7.13　一个随机文法是一个四元组GS=(VN, VT, PS, S)。 其中： VN为非终止符集； VT为终止符集; S∈VN为起始符; PS为随机产生式的有限集合。 随机产生式的形式如下: 式中: αi∈V*, 其中至少有一个非终止符; βij∈V*; Pij是应用这个随机产生式的概率, 对于每个产生式而言, 要求与使用这个产生式相联系的Pij满足: ， 　　由于随机文法的产生式都具有相应的概率, 对于从S出发导出终止符串x的过程而言, 存在一个相关联的概率。 对于x, 不仅需考虑它和语言集合之间的从属关系, 而且还得确定有几个推导序列能够得到x, 以及每个推导序列的相应概率, 则随机文法生成x的概率就是每个推导序列的概率之和。 设导出x的第j条推导序列为 则该推导相应的推导概率为 可以简单表示为 　　定义7.14　一个随机文法 生成的随机语言是 式中, k为从S出发导出x的路径数目。 当k1时, 文法是歧义的; 当k=1时, 文法是非歧义的。  　　定义7.15　对于任意的随机文法GS, 相应的特征文法　　　　 　　是由GS中除去与每个随机产生式相关的概率而得到的文法。 　　如果一个随机文法的特征文法是0型、 1型、 2型或3型文法, 则该随机文法相应的是0型、 1型、 2型或3型的随机文法。  　　2. 随机识别器 　　对于确定文法而言, 给定一个句子, 可以通过自动机判断它是否属于给定的语言集合。 随机文法生成的语言也会有等价的以随机方式工作的识别器。 识别随机正则文法的识别器是随机有限自动机, 与随机上下文无关文法对应的是随机下推自动机。  　　定义7.16　一个随机有限自动机是一个六元组:  其中: Q为状态有限集; Σ为输入符号有限集; q0为起始状态; 　　 　　　　为终止态有限集; δ是Q×Σ→2Q的映射; D为赋予这个映射的一组概率值。  　　假定当前状态为q, 输入符为a∈Σ, 下一映射状态集为{q1, q2, …, qn}, 即δ(q, a)={q1, q2, …, qn}。 令P(qi|a, q)表示由这个集合中选择状态qi的概率, 如果 对Q×Σ中(q, a)的所有组合都成立, 则称AS是真正的。 　　在识别过程中, AS从q0出发, 在扫描完x后,