17、用于阿拉伯文手写识别的多流马尔可夫模型

用于阿拉伯文手写识别的多流马尔可夫模型

1 引言

阿拉伯语是世界上使用第二广泛的字母系统，仅次于拉丁字母。然而，阿拉伯文手写识别系统的研究相对较少。近年来，随着新数据库的开发和国际竞赛的举办，阿拉伯文手写识别受到了更多关注。

阿拉伯文字母有 28 个基本字母，无大小写之分，字符形状依赖于其在单词中的位置，还有“变音符号”等。此外，一些字母组合有特殊形状“连字”，这使得阿拉伯文字符形状多达 170 种，远多于拉丁字母的 52 种。阿拉伯语单词还会被分割成阿拉伯语单词部分（PAWs）。

虽然阿拉伯语和拉丁语字母有所不同，但都是字母文字，这使得基于字符模型构建识别系统成为可能。随机模型，特别是隐马尔可夫模型（HMMs），近年来在阿拉伯文手写识别中得到广泛应用。多流 HMMs 方法由异步组合多个信息源组成，使用协作马尔可夫模型。下面将介绍多流识别系统的架构及其优化实现。

2 信息组合策略

信息组合是手写识别中常用的技术，可提高分类率。常见的组合策略分为两类：特征融合方法和决策融合技术。
- 特征融合方法（早期集成） ：将输入特征集连接成一个大的特征空间，然后使用传统的 HMM 分类器对组合后的观测值进行建模。
- 决策融合技术（晚期集成） ：组合多个分类器的输出（决策）。不同的特征表示先由单个 HMM 分类器分别建模和解码，然后将解码输出组合得到最终文本输出。

研究表明，两种组合方法都能提高识别性能，且在某些情况下，早期集成方法优于决策级组合。多流隐马尔可夫模型是决策融合框架中的一种特殊方法，在自动语音识别领域有较多研究，它能在子