一种基于字符HMM模型级联的手写体西文单词识别方法

提出了一种识别西文单词的级联HMM方法,在字符HMM模型基础上按照统计语法将各模型依概率连接.它扩展了HMM的模式描述方式,允许在级联模型上表征状态的跳跃、转移和驻留等.通过共享字符模型来描述级联状态转移概率,可以更加可靠地刻画手写体单词的行为特点.采用面向级联的Viterbi算法,在完整的单词采样序列输入后直接识别,无需做字符的分割和标注,从而避免了在字典中为每个单词建立模型而导致的识别不同步问题.用EW-1单词样本库进行试验,级联模型法的第1候选识别率为89.26％,带有连字模型的HMM法的第1候选识别率为82.34％,降低错误识别率达39.18％.

连续字符识别的级联HMM训练算法

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.