《藏文信息處理技術:藏語模式識別技術及工程實踐》介紹了模式識別研究中的一些基本理論以及相關的模型,包括貝葉斯決策、線性判別函數、神經網絡理論、隱馬爾科夫模型、聚類技術等。重點結合藏語文模式識別實際問題,如印刷體藏文字符識別、木刻經文藏文字符識別、藏語語音識別等技術內容,從不同的研究角度介紹了這些問題的解決思路。
《藏文信息處理技術:藏語模式識別技術及工程實踐》可作為自動化、計算機、電子和通信等專業(yè)研究生和高年級本科生的教材,也可作為學習模式識別和人工智能的參考資料,還可作為藏文信息處理技術研究生的教學參考書。
第1章 緒論
1.1 模式和模式識別的概念
1.2 模式識別的發(fā)展歷史
1.3 模式識別的方法
1.4 模式識別系統(tǒng)的組成
1.4.1 信息獲取
1.4.2 預處理
1.4.3 特征提取和選擇
1.4.4 分類器設計
1.4.5 分類決策
1.5 模式識別的應用
1.5.1 文字識別
1.5.2 語音識別
1.5.3 指紋識別
1.6 本書的內容安排和程序
第2章 統(tǒng)計模式識別方法
2.1 分類與聚類
2.1.1 貝葉斯定理
2.1.2 樸素貝葉斯算法
2.1.3 貝葉斯決策理論
2.1.4 基于最小錯誤率的貝葉斯判別(決策)
2.1.5 最小平均條件風險表達式
2.1.6 K一最近鄰算法
2.2 支持向量機(SVM)
2.3 馬爾可夫模型和隱馬爾可夫模型
2.3.1 馬爾可夫鏈
2.3.2 隱馬爾可夫模型(HMM)
2.3.3 HMM的三個基本問題
第3章 藏文及藏文字體結構分析
3.1 藏文概述
3.2 藏文字的構件
3.3 藏文的拼與寫
3.3.1 藏文拼音規(guī)則
3.3.2 藏文縱向組合
3.3.3 藏文橫向組合
3.4 藏文字體
3.4.1 吾堅體
3.4.2 吾關體
3.5 藏文編碼與標準
3.5.1 編碼結構
3.5.2 編碼標準
第4章 藏語識別系統(tǒng)中的搜索算法
4.1 搜索算法種類
4.1.1 深度優(yōu)先算法(DFS)
4.1.2 廣度優(yōu)先搜索(BFS)
4.1.3 啟發(fā)式搜索
4.2 A*算法
4.2.1 A*算法簡介
4.2.2 A*算法的原理
4.2.3 A*算法的設計及實現
第5章 印刷體藏文字識別技術
5.1 藏文字特征描述
5.1.1 高度特征
5.1.2 基線特征
5.1.3 方向特征
5.1.4 變形特征
5.2 藏文字識別系統(tǒng)基本結構和識別流程
5.2.1 藏文字識別系統(tǒng)基本結構
5.2.2 藏文字識別系統(tǒng)識別流程
5.3 預處理
5.3.1 局部自適應二值化
5.3.2 參考代碼
5.3.3 去除噪聲
5.3.4 參考代碼
5.3.5 基于中軸線投影映射的傾斜矯正
5.3.6 參考代碼
5.4 文字切分
5.4.1 行切分
5.4.2 參考代碼
5.4.3 列切分
5.4.4 參考代碼
5.4.5 平滑與歸一化
5.4.6 參考代碼
5.5 特征提取
5.5.1 網格劃分
5.5.2 網格特征描述
5.5.3 參考代碼
5.6 識別處理
5.6.1 誤差均衡距離計算
5.6.2 文字高度近似距離
5.6.3 筆畫密度
5.6.4 參考代碼
5.7 字典校正
5.7.1 搜索對比
5.7.2 判斷
5.7.3 參考代碼
5.8 樣例
第6章 經書藏文字識別技術
6.1 木刻經文特點
6.2 木刻經文識別流程
6.3 切分算法
6.3.1 水滴滲透切分算法
6.3.2 參考代碼
6.3.3 水滴邊界連通算法
6.3.4 參考代碼
6.3.5 自動擬合的手動切分算法
6.3.6 參考代碼
6.4 特征提取
6.4.1 單元個數描述
6.4.2 網格劃分
6.4.3 參考代碼
6.4.4 網格特征描述
6.4.5 參考代碼
6.4.6 筆畫特征點描述
6.4.7 參考代碼
6.4.8 人工神經網絡訓練
6.5 樣例
第7章 藏語語音識別技術研究
7.1 語音特征描述
7.2 語音語料的建設
7.3 語音識別組織結構及運行流程
7.4 信號采集
7.5 去除噪聲
7.5.1 小波包分析基本理論
7.5.2 小波包信號降噪算法
7.5.3 實驗結果及分析
7.5.4 參考代碼
7.6 端點檢測
7.6.1 常用端點檢測算法
7.6.2 參考代碼
7.6.3 LPC美爾倒譜特征端點檢測方法
7.6.4 參考代碼
7.7 MFCC特征提取
7.7.1 MFCC特征提取算法
7.7.2 參考代碼
7.8 語音庫數學模型
參考文獻