论文部分内容阅读
基于隐马尔可夫模型 (HMM)的手写字符识别方法是近年来的一个研究热点 ,针对 HMM编码稳定性和建模过程复杂的问题 ,提出了一种新方法 ,即采用统计不相关最佳鉴别变换对模式进行特征抽取和降维 ,获得最佳鉴别特征向量 ,并在此基础上对各最佳鉴别方向的投影结果进行编码 ,作为 HMM的观测值序列 ,由于统计不相关最佳鉴别变换保证了变换特征向量集类内散布最小 ,类间散布最大的条件 ,使 HMM编码的稳定性和模式的可分性得到明显改善 ,通过对美国国家邮政局 USPS手写字库的识别实验证实了该算法的准确性和鲁棒性