| 连续字符识别的级联HMM训练算法 |
| |
| 引用本文： | 赵巍,刘家锋,唐降龙,吴锐.连续字符识别的级联HMM训练算法[J].计算机学报,2007,30(12):2142-2150. |
| |
| 作者姓名： | 赵巍 刘家锋 唐降龙 吴锐 |
| |
| 作者单位： | 哈尔滨工业大学计算机学院,哈尔滨,150001 |
| |
| 摘 要： | 用较简洁的模型表达词典中成千上万的词条以及由这些词组成的类别无以计数的句子,是连续手写识别技术要解决的关键问题之一.利用HMM对时间序列的较强的建模能力这一特点,提出了可用于连续字符识别的HMM级联模型;给出了字符HMM模型连接概率和模型间状态转移概率的定义,并通过修正训练算法的重估公式,重估字符模型的连接参数,描述了用于手写体识别的字符HMM的设计方案;给出了级联训练算法重估公式和级联Baum-Welch训练算法描述.将级联方法应用于手写体英文单词的识别,结果表明,级联模型的描述能力与比较系统相比有明显的优势,获得了良好的识别性能.
|
| 关 键 词： | 连续手写字符识别 隐马尔可夫模型 级联模型 模型间状态转移 级联训练 连续 字符识别 训练算法 Character Recognition Continuous Algorithm 识别性能 优势 系统 比较 描述能力 结果 英文单词 手写体识别 应用 方法 算法描述 的设计方案 连接参数 公式 |
| 修稿时间： | 2006年3月21日 |
Cascaded HMM Training Algorithm for Continuous Character Recognition |
| |
| ZHAO Wei,LIU Jia-Feng,TANG Xiang-Long,WU Rui.Cascaded HMM Training Algorithm for Continuous Character Recognition[J].Chinese Journal of Computers,2007,30(12):2142-2150. |
| |
| Authors: | ZHAO Wei LIU Jia-Feng TANG Xiang-Long WU Rui |
| |
| Abstract: | |
| |
| Keywords: | continuous handwritten character recognition hidden Markov models cascaded model state transition between models cascaded training |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
