Markov-Modelle dienen zur Lösung verschiedener Mustererkennungsprobleme wie der automatischen Sprach- und Schrifterkennung oder der Analyse biologischer Sequenzen. Der theoretische Rahmen der Modellbildung und die praxisrelevanten Algorithmen werden ausführlich dargestellt. Mit diesem Lehrbuch gelingt sowohl Studierenden der Informatik als auch Entwicklern und Forschern im Bereich Mustererkennung der fundierte Einstieg in Theorie und Praxis.

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.

Autorentext

Dr.-Ing. habil. Gernot A. Fink, Universität Bielefeld

Klappentext

Mustererkennung bildet die Grundlage für die Lösung verschiedenster Problembereiche in der Informatik. Spracherkennung, Schrifterkennung, Analyse
biologischer Sequenzen: mit diesem Lehrbuch gelingt Ihnen der fundierte Einstieg in Theorie und Praxis.

Inhalt
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.