编译原理复习笔记 第四章 语法分析

本章详细介绍了编译原理中语法分析的概念,包括自顶向下和自底向上的分析方法,如LL(1)文法、LR分析、预测分析及错误处理。讨论了消除左递归、计算FIRST集和FOLLOW集的重要性,以及如何构建预测分析表和LR分析表。内容涵盖文法转换、LL(1)文法、LR(0)、SLR、LALR分析法,以及二义性文法的处理。
摘要由CSDN通过智能技术生成

编译原理第四章

(本章有一些手写图片,后来编辑的时候才发现有些较小的图片没有改成png导致排版看起来不太合理,后续一定注意~)
在这里插入图片描述

4-1 自顶向下分析概述

  1. 从文法的开始符号S推导出词串w的过程
    在这里插入图片描述

  2. 最左推导:总是选择每个句型的最左非终结符进行替换
    在这里插入图片描述
    最左句型:
    在这里插入图片描述

  3. 最右推导:总是选择每个句型的最右非终结符进行替换
    在这里插入图片描述

  4. 最左推导和最右推导具有唯一性

  5. 扫描器从左向右扫描,故自顶向下的分析采用最左推导

  6. 自顶向下语法分析的通用形式:
    递归下降分析:由一组过程组成,每个过程对应一个非终结符
    在这里插入图片描述
    预测分析:一种确定的自顶向下分析方法,不需要回溯
    在这里插入图片描述

4-2 文法转换

(不是所有的文法都适合自顶向下的分析)

  1. 问题:同一个非终结符的多个候选式存在共同前缀,导致回溯现象;
    左递归导致无限循环;

在这里插入图片描述 3. 消除直接左递归→左递归转换为右递归
在这里插入图片描述
消除直接左递归的一般形式:
在这里插入图片描述
4. 消除间接左递归

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值