基于HMM的联机手写哈萨克文字的识别研究

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (1): 145-148.

基于HMM的联机手写哈萨克文字的识别研究

达吾勒·阿布都哈依尔1，2，古丽拉·阿东别克1，2

1.新疆大学信息科学与工程学院，乌鲁木齐 830046
2.新疆多语种信息技术重点实验室，乌鲁木齐 830046

出版日期:2014-01-01 发布日期:2013-12-30

Study of HMM based online Kazakh handwriting recognition

Dawe1 Abilhayer1，2, Gulila Altenbek1，2

1.College of Information Science and Engineering, Xinjiang University, Urumqi 830046, China
2.Key Laboratory of Multilingual Information Technology of Xinjiang, Urumqi 830046, China

Online:2014-01-01 Published:2013-12-30

摘要/Abstract

摘要： 以基于隐马尔可夫模型和统计语言模型的研究作为基础，着重研究联机手写哈萨克文的切分技术、连体段分类和特征参数的独特提取技术。系统先将提取延迟笔划后的连体段主笔划作为HMM识别器的输入，再根据被识别的主笔划的编号和延迟笔划标记从连体段分类词典中查找，找到对应的连体段识别结果。通过去除连体段延迟笔画的方法可以有效地减少需建立的模型数目，进而提高识别速度和避免由字符切分所带来的问题。

关键词: 哈萨克文, 联机手写, 隐马尔可夫模型, 连体段, 连体段分类

Abstract: Based on Hidden Markov Model（HMM） and Statistical Language Model（SLM）, this paper focuses on the techniques of segmentation, word-part classification and feature extraction for Kazakh online handwriting recognition. The delayed strokes are removed from sub-words and then it takes the main strokes as the input of HMM recognizer. After that, the paper searches the result in sub-word classification dictionary according to the number of identified main strokes and delayed strokes. By removing the delayed-strokes, it can not only improve the recognition speed of system, but also can reduce the number of models and avoid some problems caused by segmentation.

Key words: Kazakh, online-handwriting, Hidden Markov Model（HMM）, word-part, word-part classification

达吾勒·阿布都哈依尔1，2，古丽拉·阿东别克1，2. 基于HMM的联机手写哈萨克文字的识别研究[J]. 计算机工程与应用, 2014, 50(1): 145-148.

Dawe1 Abilhayer1，2, Gulila Altenbek1，2. Study of HMM based online Kazakh handwriting recognition[J]. Computer Engineering and Applications, 2014, 50(1): 145-148.

[1]	吴楚田，陈永乐，陈俊杰. 多协议交叉的HMM协议异常检测算法[J]. 计算机工程与应用, 2020, 56(8): 81-86.
[2]	徐学斌，吾尔尼沙·买买提，阿力木江·艾沙，朱亚俐，库尔班·吾布力. 聚类+连体段判别的维吾尔文档图像单词切分[J]. 计算机工程与应用, 2020, 56(14): 148-155.
[3]	贾志淳，卢元，李想，邢星. 一种多参数的Web服务选择方法[J]. 计算机工程与应用, 2019, 55(21): 74-78.
[4]	杨世强，罗晓宇，李小莉，杨江涛，李德信. 基于DBN-HMM的人体动作识别[J]. 计算机工程与应用, 2019, 55(15): 169-176.
[5]	郇战，李晨，万彩艳，陈学杰. 基于步行加速度信息分割的人员识别[J]. 计算机工程与应用, 2019, 55(1): 203-209.
[6]	吴小全1，2，李晖1，2，陈梅1，2，戴震宇1，2. DRVisSys：基于属性相关性分析的可视化推荐系统[J]. 计算机工程与应用, 2018, 54(7): 251-256.
[7]	马正华1，李雷2，乔玉涛2，戎海龙3，曹海婷2. 基于多传感器融合的动态手势识别研究分析[J]. 计算机工程与应用, 2017, 53(17): 153-159.
[8]	肖晓红1，张懿2，刘冬生1，欧阳春娟1. 基于隐马尔可夫模型的音乐分类[J]. 计算机工程与应用, 2017, 53(16): 138-143.
[9]	戈永侃，于凤芹. 后置滤波器参数自适应的语音合成改进算法[J]. 计算机工程与应用, 2017, 53(1): 168-171.
[10]	胡一帆，胡友彬，李骞，耿冬冬. 基于视频监控的人脸检测跟踪识别系统研究[J]. 计算机工程与应用, 2016, 52(21): 1-7.
[11]	姜芳1，2，李国和1，2，3，岳翔4，吴卫江1，2，3，洪云峰3，刘智渊3，程远3. 基于粗分和词性标注的中文分词方法[J]. 计算机工程与应用, 2015, 51(6): 204-207.
[12]	杨明霞1，3，王万良1，2，邵鹏飞1，4. WSNs中基于隐马尔科夫模型的目标识别问题研究[J]. 计算机工程与应用, 2015, 51(22): 228-232.
[13]	张继军1，马登武2，王琳1. 基于改进HMM的模拟电路早期故障识别和诊断[J]. 计算机工程与应用, 2014, 50(3): 261-264.
[14]	萨合多拉·木巴拉克，古丽拉·阿东别克. 哈萨克语阿拉伯文与斯拉夫文间的智能转换[J]. 计算机工程与应用, 2014, 50(18): 226-229.
[15]	杨秋芬1，2，桂卫华1，胡豁生1，阳若宁2. Gabor小波优化HMM算法的眼部疲劳状态识别[J]. 计算机工程与应用, 2014, 50(15): 13-17.