论文部分内容阅读
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