|
55 являются подклассом иерархических МГ. Кроме рассмотренных достаточно «общих» ограничений, в модели могут использоваться и ограничения, связанные с возможностью использования в качестве правил согласования многозначных отображений различных типов. Это дает дополнительные возможности по более точной подгонке формальных моделей к границам моделируемых классов КТД (в структурном смысле) и позволяет повысить эффективность процедур синтаксического анализа за счет ограничения множеств вариантов вывода (грамматического разбора) [26]. Ряд подобных ограничений рассмотрен в работе [34] при описании синтаксиса и семантики конкретных классов КТД с использованием обычных и стохастических регулярных МГ. В целом рассмотрение особенностей основных классов МГ показывает, что они, по сравнению с существующими грамматиками, позволяют снизить объем синтаксических описаний, повысить их наглядность и уменьшить сложность при сохранении мощности порождаемых семейств языков формального моделирования. Рассмотрим более детально основные модели обрабатываемых сложноструктурированных данных на основе метаграмматик различных классов, предложенные в известных работах. 1.3.2. Основные особенности метаграмматических моделей, используемых при обработке сложноструктурированных данных. Отдельные классы метаграмматик в известных работах [5-25] предложены для моделирования сложноструктурированных данных и знаний в интеллектуализированных системах поддержки принятия решений, обработки сложноструктрированных двоичных последовательностей стандартов ATM, PDH, SDH, потокового видео, декодирования префиксных |
Для наиболее важных для практики случаев выделяют следующие типы топологических схем, аналогично [42]: {=0-полносвязанная сеть; i=l-звездообразная топология; 1=2-радиальная топология; 1=3-решетчатая топология; г=4-кольцевая; i=5-линейно-возвратная; 1=6-иерархическая (стратифицированная). Очевидно, что линейные и многоуровневые метаграмматики являются подклассом иерархических МГ. Кроме рассмотренных достаточно «общих» ограничений, в модели могут использоваться и ограничения, связанные с возможностью использования в качестве правил согласования многозначных отображений различных типов. Это дает дополнительные возможности по более точной подгонке формальных моделей к границам моделируемых классов НПК (в структурном смысле) и позволяет повысить эффективность процедур синтаксического анализа за счет ограничения множеств вариантов вывода (грамматического разбора) [26]. Ряд подобных ограничений рассмотрен в работе [34] при описании синтаксиса и семантики конкретных классов НПК с использованием обычных и стохастических регулярных МГ. В целом рассмотрение особенностей основных классов регулярных МГ показывает, что они, по сравнению с существующими грамматиками, позволяют снизить объем синтаксических описаний, повысить их наглядность и уменьшить сложность при сохранении мощности порождаемых семейств языков формального моделирования. 68 |