machine-learning - HMM 如何用于手写识别？

Question

这个问题与传统的手写识别有点不同。我有一个包含数千个以下内容的数据集。对于一个绘制的字符，我有几个连续的 (x, y) 坐标，其中笔被按下。所以，这是一个顺序(时间)问题。

我希望能够根据这些数据对手写字符进行分类，并且希望实现 HMM 来实现学习目的。但是，这是正确的做法吗？如何使用它们来做到这一点？

Answer 1

我认为 HMM 可以用于解决 @jens 提到的两个问题。我也在做在线手写，很多文章都使用了HMM。最简单的方法是这样的:

1. 选择一项功能。
2. 如果所选特征是连续的，请将其转换为离散的。
3. 选择 HMM 参数:拓扑和状态数。
4. 使用 HMM 训练角色模型。每个类别一个模型。
5. 使用测试集进行测试。

对于每个项目:

1. 最简单的特征是连接连续向量的角度点。您可以使用更复杂的功能，例如向量角度通过Douglas & Peucker算法获得。
2. 最简单的离散化方法是使用 Freeman 码，但是也可以使用 k-means 和 GMM 等聚类算法。
3. HMM 拓扑:遍历、左右、Bakis 和线性。州数可以通过反复试验获得。 HMM 参数可以是可变的每个模型。观测值的数量由离散化确定。观察样本可以具有可变长度。
4. 我推荐 Kevin Murphy HMM 工具箱。
5. 祝你好运。