推荐好书：《表达的奥秘》

lionyou

<>谢谢了</P><>你真是个好人</P><>ibm428@yahoo.com.cn</P>

web306

<>please email me  web306@163.com</P>

0205204

<>我想要。friendforyou@126.com</P>

yushan

<>感谢网友们的鼓励,  再发一节:</P>< 21pt">                                    </P>< 21pt">              第四章                      相关点评<p></p></P><P 21pt"> <p></p></P><P 21pt">相关关系超越了确定的函数关系，最大限度表达了非对称性。非对称性也是一种结构性、一种连续性、相关性，它的反面是对称性、离散性和独立性。本章讨论了几种表达相关的数学语言：“转移概率”是从局部对字符串链接的刻画，“熵”是从整体对均匀态偏离的刻画，“内积”是对向量投影的几何刻画，“相关函数”是对两个数列的匹配刻画，“周期性”是隔位点之间的匹配描述，“连续平滑”是相邻点之间的匹配描述。这些方法确有异曲同工之妙，都是研究有序和无序的有力工具。</P><P 21pt">第二章“构造”是用文法来刻画字符串的结构，这与“转移概率”有共同之处，但两者也有区别。一个序列如果杂乱无章无规律可寻，则可视为一个随机序列。随机序列的一个重要特点，就是从整体看符号分布的均匀性。各态遍历的平稳随机过程是如此，伪随机序列的产生原则也是如此。这就是说，产生一个字符串，在一个较长的时间内，应保证每个符号出现的等概率性，从而达到最大的不确定性，也就是最大熵原则。由此可见，一个符号串没有规律（无组织无结构）最直观的特征，就是符号分布上的均匀性，没有形成疏密不同的聚集。正因为如此，“转移概率” 从局部刻画了字符间的组织度，“熵”从整体上描述字符串的均匀性。一般说来，具有文法结构的字符串从整体上看常常都是非均匀性的。然而，文法结构毕竟是不同于“熵”的一个概念，比如序列“0101&frac14;”是一个最简单的序列，其中“0”、“1”这两个符号是均匀出现的，但这个序列却有一目了然的周期结构性。可见存在着许多等概率分布的字符串，它们具有极强的组织结构，具有最简单的文法产生式，这恰恰说明仅用“熵”还不足以表达出组织结构的全部含义来。比较而言，文法方法对结构的描述更精确更严密，也更“刚性”，是一种微观产生式的描述；而基于统计相关概念的“熵”，则是对象构成元素的非均匀度的一种整体把握，它可以完全不问内部机理，抛开多种难以描述的复杂因素，仅从外在的现象层面来把握，甚至可以是一种主观印象式的描述语言。因此，用“相关”来描述结构则显得更笼统，可以是一种无参数无结构的表达，所以也更具“柔性”。</P><P 21pt">其实，统计相关和文法产生式是互补的。在模式识别技术中，最典型的两个方法正是统计方法和文法方法。比如，一个模式基元的识别分辨可能包含较少的文法信息，而是以其局部特性来定义，尤其在有噪音畸变的情况下，用统计识别方法会更有效。然而，在模式基元被抽取以后，可以用文法方法对整体模式进行识别，这两种方法的适当结合可以形成一个行之有效的系统：在较低层次采用统计识别子模式，较高层次的模式将由这些子模式采用文法构造方法表达出来。这样一来，只要基元可以被识别，并不要求它非常简单和概括，由此可以简化文法的复杂性。从而避开只采用文法方法在汉字编码软、硬件搭配中出现的问题：要么基元复杂，要么文法复杂，两者不能兼顾。统计相关方法与文法方法的联用，可以收到比较好的表达效果。比如，对二维数学表达式的模式识别，模式的基元是字符和数学符号，采用统计方法识别，而“二维式子”采用文法方法识别数学表达式。又如对连续语音的识别也具有相类似的情况：句子与它的短语和字（一个句子的子模式）之间，一个字和音素、音节或声音之间的关系可以用文法的结构方法来识别；而模式的基元，在此情况下是语音、音节和声音，则可采用统计相关的办法来识别。</P><P 21pt">在“相关”与“文法”两者的比较中，我们可以更深刻地理解和把握它们各自方法的精髓。</P><P 21pt"> </P><P 21pt">没有接到邮件的也可直接联系索要:</P><P 21pt"><a href="mailtyushan@mail.dlptt.ln.cn" target="_blank" >yushan@mail.dlptt.ln.cn</A></P><P> <p></p></P>

lhhn808

我很感兴趣啊！能发来看看吗？lhhn8081825@sohu.com

suqin089

<>我也要，朋友：<a href="mailtzsq89@yahoo.com.cn" target="_blank" >zsq89@yahoo.com.cn</A></P><>谢谢，先！</P>

ripple0328

<>谢谢</P><><a href="mailtqingbo0328@yahoo.com.cn" target="_blank" >qingbo0328@yahoo.com.cn</A></P>

yushan

<>感谢网友的支持，详细信息请上＜表达的探究＞网站：<a href="http://www.yushan58.blogchina.com/" target="_blank" >www.yushan58.blogchina.com</A></P>[em01][em01][em01]

zizibu17

<><a href="mailtf0717@163.com" target="_blank" >f0717@163.com</A></P><>我也要~</P>

wd840611

<>谢谢。wd840611tiancai@163.com</P>