Académique Documents
Professionnel Documents
Culture Documents
Abstract
The Syntactic Pattern Recognition approach emphasizes the descrip-
tion of significative structural regularities, or patterns, in noised and complex
media. It is a consistent mathematical approach based on formal languages
and automata theory. Its importance is due to a lot of pattern ocurrencies in our
daily human life, becoming a principal component in intelligent systems. This
work introduces the main concepts in languages theory and graphs, aiming
the syntactic pattern recognition applications in machine vision, information
retrieval and bioinformatics.
Resumo
O Reconhecimento Sinttico de Padres enfatiza a descrio estrutu-
ral de padres. Trata-se de uma abordagem matematicamente consistente por
causa da disponibilidade da teoria das linguagens formais e dos autmatos
como fundamentao. Sua importncia atual deve-se s muitas ocorrncias na
vida humana que tomam forma de padres, tornando-se, assim, um importan-
te componente em sistemas inteligentes. Este trabalho introduz os principais
conceitos inerentes teoria das linguagens e grafos no contexto do reconhe-
cimento sinttico de padres e descreve o estado da arte por meio de um
conjunto de aplicaes em viso de mquina, recuperao da informao e
bioinformtica.
6.1. Introduo
Padres, em termos gerais, podem ser compreendidos como os meios
pelos quais pode-se interpretar o mundo [Fu 1982]. O Reconhecimento de
Padres uma disciplina cientfica que estuda e desenvolve tcnicas com o
objetivo de descrever, classificar ou reconhecer regularidades significativas,
ou padres, em meios ruidosos e complexos [Schalkoff 1992]. A importncia
atual do reconhecimento de padres deve-se, principalmente, s muitas ocor-
rncias na vida humana que tomam forma de padres, tornando-se, assim, um
283
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
284
Reconhecimento Sinttico e Estrutural de Padres
285
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
286
Reconhecimento Sinttico e Estrutural de Padres
Reconhecimento de fala;
Diagnstico mdico;
Outras aplicaes que se estendem as Cincias Sociais e Com-
portamentais.
287
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
288
Reconhecimento Sinttico e Estrutural de Padres
6.2.1 Gramticas
As gramticas so o formalismo projetado para a definio de lingua-
gens. Um formalismo que mostra como gerar as palavras de uma linguagem.
O elemento fundamental da gramtica regra. Uma regra um par ordenado
(u, v), em geral escrito da forma uv, em que u e v so palavras de dois alfa-
betos disjuntos, um com smbolos denominados de variveis, ou no terminais,
e outro com smbolos denominados de terminais. As variveis so smbolos
auxiliares para a gerao das palavras da linguagem1, enquanto o conjunto de
terminais nada mais do que o alfabeto da linguagem definida2. Formalmente,
uma gramtica definida como [Vieira 2006]:
1
Uma palavra vazia (ou sentena vazia) denotada por , tendo as seguintes proprieda-
des vlidas para qualquer palavra u: u = u = u e || = 0. Seja V um alfabeto; denota-
se por V2 =VV o conjunto de todas as palavras de comprimento 2 derivadas de V e por
V3 = VVV o conjunto de todas as palavras de comprimento 3 derivadas de V, assim
sucessivamente, definindo-se at Vn. Por fim, define-se V+ = V V2 V3 ... como
o conjunto de todas as sentenas no vazias produzidas usando V. Adicionando-se
a palavra nula a V+ produz-se V*, isto , V*={}V+. O conjunto V* denotado de
fechamento de V, assim como V+ o fechamento positivo de V.
2
Sero usadas letras maisculas para representar as variveis e minsculas para os
terminais.
289
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
290
Reconhecimento Sinttico e Estrutural de Padres
1 2, 6.1
significando que a palavra 1 substituda pela palavra 2. Em geral, 1 e 2
podem conter smbolos terminais e no terminais. Os quatro tipos de gramti-
cas definidas por Chomsky, so [Hopcroff et al 2000]:
Definio 6.2 (Tipo 0 Gramtica Livre ou Irrestrita - GL) Geram as lingua-
gens livre de contexto ou irrestritas. A gramtica totalmente livre. No h
qualquer restrio ao formato das regras gramaticais. O mecanismo de aceita-
o utilizado para essa classe denominado mquina de Turing4
Um aspecto interessante da GL sua possibilidade de apagar pro-
dues, j que restries do tipo |1| |2| no existem. Essa caracterstica
importante para o reconhecimento sinttico de padres quando se considera
gramticas que geram variaes em padres e remoo de sub-padres.
Definio 6.3 (Tipo 1 Gramticas Sensveis ao Contexto GSC) - Formal-
mente, as restries impostas sobre as regras das GSC, so
2 , 6.2
e
i i, 6.4
significando que i substitui i no contexto de e , onde , (V ) , i *
V e i (V )*-{}.
A Equao 6.3 requer que |i| |i|. Com os reconhecedores das
linguagens geradas pelas gramticas do tipo 1, utiliza-se tambm a mquina
de Turing, porm com memria limitada.
Definio 6.4 (Tipo 2 Gramticas Livres de Contexto GLC) So gramti-
cas que possuem restries nas produes na forma
3
Regras de produo ou de re-escrita so descritas por meio de setas , significando
a substituio do termo da esquerda pelo termo da direita. O uso de uma regra de pro-
duo para gerar uma nova palavra xn a partir da palavra x chamado de derivao,
sendo empregado o smbolo para escrev-la. Em outras palavras, A c denota
a regra de produo, enquanto x xn denota o uso da produo para converter a
palavra x na palavra xn.
4
Uma mquina de Turing um modelo abstrato de computao que se restringe apenas
aos aspectos lgicos do funcionamento de um computador convencional (memria,
estados e transies) e no sua implementao fsica.
291
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
1 2 com 1 = S1 V, 6.5
significando que 1 um smbolo no-terminal para toda regra de pro-
duo em R e |S1| |2|. As gramticas do tipo 2 tambm so caracterizadas
por regras do tipo
S1 2, 6.6
onde 2 (V )*-{}.
1 = S1 , 6.7
|S1| |2|, 6.8
com as regras de produo restritas a
X1 a, 6.9
ou
X1 aX2, 6.10
onde X1, X2 V e a - {}.
fcil perceber que uma GR uma GLC especial em que toda forma
sentencial contm uma nica varivel, que sempre o smbolo mais direita.
Para qualquer gramtica regular pode-se construir um autmato finito que re-
conhece a linguagem gerada pela GR.
Em sntese, as linguagens dos tipos 0 e 1 so reconhecidas por mqui-
nas de Turing. As linguagens do Tipo 2 por autmatos de Pilha. As linguagens
do Tipo 3 por Autmatos Finitos. As linguagens do tipo 3 so tambm de tipos
2, 1 ou 0. As linguagens do tipo 2 so tambm dos tipos 1 e 0. As linguagens
292
Reconhecimento Sinttico e Estrutural de Padres
6.2.2. Grafos
Os grafos so estruturas relacionais empregadas para o reconhecimento es-
trutural de padres. O reconhecimento e a anlise do padro executado por
meio de um processo de casamento entre a estrutura relacional que repre-
senta um determinado objeto e com uma outra estrutura relacional que serve
como exemplo.
Um grafo G(V,E) definido pelo par de conjuntos V e E, onde V um
conjunto no vazio dos vrtices ou ns do grafo e E o conjunto de pares
ordenados e(v,w), onde v e w so as arestas do grafo. Existem dois tipos de
grafos: os dirigidos e os no dirigidos [Vieira 2006]. Nos grafos dirigidos, as
arestas (dirigidas) so pares orientados de vrtices e, nos grafos no dirigidos,
as arestas (no dirigidas) so pares no orientados de vrtices. A Figura 6.5
mostra exemplos de grafos no dirigido e dirigido.
293
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
294
Reconhecimento Sinttico e Estrutural de Padres
295
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
que ela define. Para toda categoria h um prottipo que representa os valores
tpicos de uma instncia desta. A pertinncia a uma categoria dada por meio
de similaridade com o prottipo. Padres, prottipos e primitivas sero consi-
derados em maiores detalhes nas sees seguintes.
296
Reconhecimento Sinttico e Estrutural de Padres
Assim, seja
297
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
S ( p k ) = { p k1 , p k 2 , , p km }, 6.12
o conjunto de sub-prottipos de uma determinada categoria Ck, onde o nme-
k ), pode ser escrito
ro m de prottipos finito. O conjunto de prottipos S( p
como
m
6.13
S ( p k ) = S ( p ki ).
i =1
298
Reconhecimento Sinttico e Estrutural de Padres
299
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
300
Reconhecimento Sinttico e Estrutural de Padres
301
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
k
k = 1,2,...,m, usando um analisador sinttico com correo de erro [Amengual
e Vidal, 1998]. Se D(px, L( G )) o menor valor da distncia dentre todas D(p ,
)) calculadas, ento x i associado a categoria C . Se existirem pelo me-x
L( G k i
nos dois valores menores, tais que D(px, L( G )) = D(p x
)) (i j), ento
, L( G
i j
x rejeitado (Figura 6.13 ( b )).
302
Reconhecimento Sinttico e Estrutural de Padres
303
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
304
Reconhecimento Sinttico e Estrutural de Padres
305
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
306
Reconhecimento Sinttico e Estrutural de Padres
307
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
5
Uma cadeia de Markov uma sucesso de variveis aleatrias que descrevem o esta-
do de um sistema ao longo do tempo, com a propriedade que o estado do sistema a
partir de um certo instante s depende do estado nesse instante.
308
Reconhecimento Sinttico e Estrutural de Padres
P ab}.
A probabilidade de cada regra de produo est mostrada sobre a seta da
produo.
A teoria da anlise sinttica para linguagens estocsticas similar a
desenvolvida para as linguagens determinsticas [Chrnaiak 1997]. Porm, a
rvore sinttica pode ser eficientemente minimizada por meio da escolha, em
cada n, da execuo da produo de maior probabilidade, seguida da pro-
duo mais provvel e assim sucessivamente. Porm, o problema mais difcil
no reconhecimento sinttico estocstico precisamente a determinao das
probabilidade das regras de produo. Um mtodo simples, usado para deter-
minar essas probabilidades ser agora descrito.
Supondo-se que se tenham M classes definidas por meio de M gram-
ticas estocsticas
309
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
m
6.21
p( w | G ) = 1 .
k =1
i k
K
6.22
n klj = n( wi ) p ( wi | Gk ) N klj ( wi ),
i =1
e a probabilidade associada a cada regra de produo Xi j de R
pode ser estimada por meio de
nklj 6.23
pklj
n
j klj ,
onde o somatrio tomado sobre todas as regras de produo Xi j em R. O
Algoritmo 6.3 sintetiza os passos principais do mtodo apresentado.
310
Reconhecimento Sinttico e Estrutural de Padres
Ti Tj, 6.25
onde Ti e Tj so rvores e r uma funo de graduao ou ranking que denota
o nmero de descendentes diretos de um n terminal na gramtica. As produ-
es tm a forma
6.26
,
onde X1, X2,...,Xn so smbolos no terminais e k um terminal [Barrero 1991].
O exemplo na Figura XX mostra a estrutura do esqueleto de uma pea descrita por
meio de uma gramtica em rvore formada por
V = {X1, X2, X3, P},
= {a, b, c, d, e},
e regras de produo da forma
311
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
312
Reconhecimento Sinttico e Estrutural de Padres
313
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
Toda limitao no poder dos mtodos enumerativos ser pois vlida tambm
aos outros mtodos de inferncia, o que permite limitar o estudo terico aos
enumerativos, conceitualmente mais simples.
O tempo de convergncia de um mtodo de inferncia se define como
o ponto (nmero do exemplo) a partir do qual se conseguiu a identificao no
limite. Um mtodo uniformemente mais rpido do que outro quando, seja
qual for a apresentao, seu tempo de convergncia menor para pelo menos
uma das linguagens a inferir (e no maior para nenhuma outra dessas lin-
guagens). Sabe-se que, para uma determinada linguagem e uma determinada
apresentao, no existe um algoritmo uniformemente mais rpido do que o
correspondente mtodo enumerativo.
Infelizmente, muito difcil implementar na prtica um mtodo enume-
rativo. A complexidade da busca exaustiva cresce exponencialmente com o
espao das hipteses. Apesar disso, algumas variantes dos mtodos enumerati-
vos foram estudadas. Estes algoritmos, que se baseiam em estruturar o espao
das hipteses com alguma relao mais complexa do que a simples enumera-
o, conseguem diminuir drasticamente a complexidade da busca em alguns
casos concretos (poda, busca em reticulado, entre outros).
Na abordagem por construo, gramticas so construdas diretamente
de exemplos de treinamento. Novas hipteses so construdas a partir de no-
vos exemplos. Em geral, as aplicaes prticas descartam, por sua intratabili-
dade, a utilizao dos mtodos de enumerao de inferncia gramatical.
Devido s razes expostas, a maioria dos mtodos prticos de infern-
cia gramatical so construtivos e utilizam unicamente apresentao positiva.
Porm, a maioria dos mtodos de construo esto orientados para as lingua-
gens regulares, sendo escassos os que inferem gramticas livres de contexto
ou superiores.
Dentre os mtodos de inferncia de gramticas regulares, cabe desta-
car os que se baseiam em diferentes mtodos de agrupar os estados em um
autmato. Este autmato proporciona um espao de busca adequado, sempre
que a mostra seja estruturalmente completa, ou seja, se utilizou para gerar
todas as regras da gramtica a inferir.
314
Reconhecimento Sinttico e Estrutural de Padres
do fato que tais relaes so freqentemente mais estveis nas cenas que
muitas propriedades dos objetos em si [Lei 2004].
Sero considerados grafos com ns e arcos valorados, que so avalia-
dos de acordo com a descrio da estrutura relacional que eles representam. O
objetivo decidir se a representao do objeto corresponde de fato a estrutura
de um padro de uma classe. Ou seja, se o objetivo reconhecer um objeto
descrito por meio de suas caractersticas estruturais, corresponde exatamente
a um modelo que o descreve em uma classe. O exemplo mostrado na Figura
6.18 mostra um padro representando um rosto e a relao entre a cabea,
olhos, boca, nariz e orelhas. Se objeto a ser reconhecido possui a mesma
estrutura relacional, ento os grafos G1 e G2 devem manter um relao de ca-
samento entre vrtices e arestas.
315
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
316
Reconhecimento Sinttico e Estrutural de Padres
317
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
G = (V , , R, P)
V = {P, X 1 , X 2 , , X 15 , X 16 }
= { A, C , G, U }
P A X 1U ,
X G X 2C , X2 X3X4, X3 A
1 X 5U ,
X 5 A X 6U , X 6 X 7 X8, X7 A
X 9U ,
P = X 9 G X 10 C , X 10 A
X 1 , X1 U
G ,
X G X 12 C , X 12 A U, X 13 A
X X 14 ,
8 13
X 14 GC , X4 G
X 15 C, X 15 C
X 16 G ,
X 16 U
G
Por exemplo, a aplicao das regras na gramtica anterior pode gerar a
seqncia de RNA CAUCAGGGAAGAUCUCUUG e a derivao pode ser dis-
posta em uma estrutura de rvores chamada rvore de derivao. Um rvore
de derivao representa a estrutura sinttica de uma seqncia produzida por
uma gramtica.
318
Reconhecimento Sinttico e Estrutural de Padres
319
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
320
Reconhecimento Sinttico e Estrutural de Padres
321
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
322
Reconhecimento Sinttico e Estrutural de Padres
323
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
Gramticas de Cadeia
Uma gramtica de cadeia nada mais que uma gramtica convencio-
nal, como descrita na seo de fundamentos tericos, que pode ser usada
para descrever texturas regulares [Sonka et al 1992]. Estas gramticas geram
324
Reconhecimento Sinttico e Estrutural de Padres
texturas que iniciam com smbolos que so seguidos pela aplicao das regras
de produo, aqui referidas como regras de transformao ou regras de for-
ma. O processo de criao da textura inicia-se a partir do smbolo de partida
e procura, em primeiro lugar, por uma regra de transformao. Em seguida,
a regra deve ser geometricamente ajustada para corresponder exatamente a
textura gerada. As regras so gerais e no incluem tamanho, orientao, etc.
O Algoritmo 6.5 mostrado em seguida exemplifica o processo de gerao de
texturas regulares.
325
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
326
Reconhecimento Sinttico e Estrutural de Padres
Gramticas de Grafos
A maneira mais natural de para o reconhecimento de texturas com pa-
dres regulares construir um grafo planar sobre a disposio espacial das
primitivas utiliza-lo como entrada no processo de reconhecimento. A classe
das primitivas e o relacionamento espacial entre estas devem ser conhecidos
previamente para se efetivar a construo do grafo.
As primitivas de texturas so codificadas como ns do grafo e dois ns
so conectados por uma aresta, caso no tenha nenhuma outra primitiva na
vizinhana. Cada n rotulado de acordo com a classe correspondente a sua
primitiva e os arcos so avaliados em termos de seus comprimentos e dire-
es. O relacionamento espacial entre as primitivas definem uma vizinhana.
O tamanho dessa vizinhana que tem maior influncia na complexidade de
construo do grafo planar.
Com o grafo construdo, o problema de classificao texturas passa a
ser tratado como um problema de reconhecimento em grafos, para o qual ,
quaisquer uma das abordagens seguintes vlida:
1. Simplifica-se a descrio da textura por meio da decomposio
do grafo em um conjunto de cadeias. A descrio das cadeias da
textura podem representar bordas da primitiva de regies fecha-
das, diferentes caminhos no grafo, a vizinhana de uma primiti-
va, entre outras. Um conjunto de treinamento construdo a par-
tir da descrio de texturas do grafo planar para cada classe de
textura. Empregam-se, ento, as gramticas apropriadas para
327
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
328
Reconhecimento Sinttico e Estrutural de Padres
Referncias
[Amengual e Vidal 1998] - Amengual, J.C., Vidal, E. (1998) Efficient Error-correcting Viter-
bi Parsing, PAMI(20), No. 10, pp. 1109-1116,
[Banks 1990]- Banks, S. (1990) Signal Processing, Image Processing and Pattern Re-
cognition. Prentice Hall.
[Barrero 1991] - Barrero, A. Unranked tree languages. Pattern Recognition, Vol. 24, No.
1, pp. 9-18, (1991).
[Chi e Geman 1998] - Chi, Z. e Geman, S. (1998). Estimation of probabilistic context-free
grammars, Computational Linguistics Vol. 24, No. 2, pp. 299-305.
[Chrnaiak 1997] - Chrnaiak, E (1997).. Statistical parsing with a context-free grammar
and word statistics. Proceedings of the Fourteenth National Conference on Artificial
Intelligence, pp. 598-603.
[de La Higuera 2005] - de La Higuera, C. (2005). A bibliographical study of grammatical
inference, Pattern Recognition, Vol. 38, pp. 1332-1348,
[de Mauro et al. 2003] - de Mauro, C. , Diligenti, M., Gori, M., Maggini, M. (2003). Simi-
larity lernaing for graph-based image representations, Pattern Recognition Letter 24,
pp. 1115-1122.
[Flasinski 1993] - Flasinski, M. (1993). On the parsing of deterministic graph languages
for syntactic pattern recognition, Pattern Recognition 26, pp. 1-16.
[Fu 1982] - Fu, K. S. (1982). Syntactic Pattern Recognition and Applications, Prentice-
Hall, Inc., Englewood Cliffs.
[Hava e Arridge 1999] - Hava, L. Arridge, S.R. (1999). A survey of hierarchical non-linear
medical image registration, Pattern Recognition, Vol. 32, No. 1, pp. 129-149.
[Hong e Yang 2005] -Hong, A. W-C.Y. e Yang, M. (2005). Pattern recognition techniques
for the emerging field of bioinformatics: A review. Pattern Recognition, Vol. 38, N. 11,
pp. 2055-2073.
329
Souza Pio, Santos de Oliveira, Albuquerque de Arajo e Oliveira
[Hopcroff et al. 2000] - Hopcroff, J.E., Montwani, R., Ullman, J.D. (2000). Introduction to
Automata Theory, Languages, and Computation. Addison Wesley, 2a. ed.
[Jurek 2000] - Jurek, J. (2000). On the linear computational complexity of the parser for
quasi-context sensitive languages, PRL(21), No. 2, pp. 179-187.
[Lee et al. 1992] - Lee, K.H., Eom, K. B. e Kashyap, R.L. (1992). Character recognition
based on attribute-dependent programmed grammar, IEEE Trans. PAMI-14, pp. 1122-
1128.
[Lei et al. 2004] - Lei, H., Chia, Y. H., Everding, B. e G. W., William (2004). Graph ma-
tching for object recognition and recovery. Pattern Recognition, Vol. 37, No. 7, pp. 1557-
1560.
[Mali e Mitra 2003] -Mali, K., Mitra, S. (2003). Clustering and its validation in a symbolic
framework, Pattern Recognitio Letters Vol. 24, No. 14, pp. 2367-2376.
[Ogiela e Tadeusiewicz 2003] - Ogiela, M. R. e Tadeusiewicz, R. (2003). Artificial in-
telligence structural imaging techniques in visual pattern analysis and medical data
understanding. Pattern Recognition, Vol. 36, No. 10, pp. 2441-2452.
[Oommen e Kashyap 1998] - Oommen, B.J., Kashyap, R.L. A Formal Theory for Optimal
and Information Theoretic Syntactic Pattern Recognition, Pattern Recognition Vol. 31,
No. 8, pp. 1159-1177, (1998).
[Parizeau e Plamondou 1992] - Parizeau, M. e Plamondon, R. (1992). Fuzzy-shape gram-
mars for cursive script recognition, Advances in Structural and Syntactic Pattern Re-
cognition, H. Bunke, ed., World Scientific.
[Peng et al. 1990] - Peng, K.J., Yamamoto, T. e Aoki, Y. (1990). A New Parsing Scheme for
Plex Grammars, Pattern Recognition, 23, pp. 393-402.
[Sakakibara et al. 1994] - Sakakibara, Y., Brown, Hughey, M. R., Mian I. S., Sjolander,
K., R. (1994). Stochastic Conntext-free Grammars for RNA Modeling. Nucleic Acids
Research, vol. 22, pp 5112-5120.
[Sanfeliu et al. 2002] - Sanfeliu, A., Alquzar, R., Andrade, J., Climent, J., Serratosa, F.,
Vergs, J. (2002). Graph-based representations and techniques for image processing
and image analysis, Pattern Recognition, No. 3, pp. 639-650,
[Schalkoff, 1992] - Schalkoff, R. (1992). Patter Recognition Statistical, Structural and
Neural Approachs, John Willey & Sons.
[Sonka 1992] - Sonka, M., Hlavac, V. e Boyle, R. (1992). Image Processing, Analysis and
Machine Vision. Chapman & Hall.
[Tanaka 1995] - Tanaka, E. (1995). Theorical Aspects of Sintactic Pattern Recognition,
Pattern Recognition, No. 7, pp. 1053-1061.
[Todesco 1995] - Todesco, J. L. (1995). Reconhecimento de Padres Usando Rede Neu-
ral Artificial com Funo de Base Radial: Uma Aplicao na Classificao de Cro-
mossomos Humanos. Tese de Doutorado, Universidade Federal de Santa Catarina,
Programa de Ps-Graduao em Engenharia da Produo.
[Trytten e Tucerya 1995] - Trytten, D. A. e Tucerya, M. (1995). The construction of labeled
line drawings from intensity images. Pattern Recognition, Vol. 28, pp. 171-198.
[Vieira 2006] - Vieira, J. N. (2006). Introduo aos Fundamentos da Computao Lin-
guagens e Mquinas. Thomson.
[Zhao 1990] - Zhao, M. (1990). Two-dimensional extended attribute grammar method for
the recognition of hand-printed Chinese characters, Pattern Recognition. 23, pp. 658-
695.
330