Mustererkennung mit Markov-Modellen

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.

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

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.