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。对于一个绘制的角色，我有几个连续的(x, y)按下笔的坐标。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？
我认为 HMM 可以用于@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：
- 选择一个功能。
- 如果选定的特征是连续的，请将其转换为离散的。
- 选择 HMM 参数：拓扑和状态数。
- 使用 HMM 训练角色模型。每个班级一个模型。
- 使用测试集进行测试。
对于每个项目：
- 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。
- 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。
- 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。
- 我推荐 Kevin Murphy HMM 工具箱。
- 祝你好运。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
