Mustererkennung bildet die Grundlage für die Lösung verschiedener Problembereiche in der Informatik. Spracherkennung, Schrifterkennung, Analyse biologischer Sequenzen: Mit diesem Lehrbuch gelingt Studierenden der Informatik der fundierte Einstieg in Theorie und Praxis.
Inhaltsverzeichnis
1 Einleitung. - 1. 1 Thematischer Kontext. - 1. 2 Funktionsprinzipien von Markov-Modellen. - 1. 3 Zielsetzung und Aufbau. - 2 Anwendungen. - 2. 1 Sprache. - 2. 2 Schrift. - 2. 3 Biologische Sequenzen. - 2. 4 Ausblick. - I Theorie. - 3 Grundlagen der Statistik. - 4 Vektorquantisierung. - 5 Hidden-Markov-Modelle. - 6 n-Gramm-Modelle. - II Praxis. - 7 Rechnen mit Wahrscheinlichkeiten. - 8 Konfiguration von Hidden-Markov-Modellen. - 9 Robuste Parameterschätzung. - 10 Effiziente Modellauswertung. - 11 Modellanpassung. - 12 Integrierte Suchverfahren. - III Systeme. - 13 Spracherkennung. - 14 Schrifterkennung. - 15 Analyse biologischer Sequenzen.
