58、基于部首的混合统计 - 结构方法用于在线手写汉字识别

基于部首的混合统计 - 结构方法用于在线手写汉字识别

在当今数字化时代，随着数字化平板电脑、平板电脑、数字笔、基于笔的个人数字助理（PDA）和手机的出现，在线手写汉字识别（OLHCCR）再次引起了人们的关注。为了在计算和存储能力有限的手持设备上实现该技术，研究人员正致力于开发高精度、低复杂度的识别方法。

1. 在线手写汉字识别方法概述

在线手写汉字识别方法大致可分为统计方法和结构方法两类：
- 统计方法 ：通常将整个字符形状表示为特征向量，并使用统计分类器进行分类。例如，方向特征密度或所谓的方向直方图特征，这种表示方式使得识别过程不受笔画顺序和笔画数量的影响。虽然统计方法能够取得较高的准确率，但由于汉字类别的数量庞大，导致其复杂度较高。
- 结构方法 ：基于笔画分析和部首分析。为了容忍笔画顺序的变化，字符或部首通常被建模为关系图，以笔画或子笔画为基本元素。隐马尔可夫模型（HMM）经常被用于对笔画和部首进行建模，并且通过判别式训练可以降低基于HMM的部首识别错误。然而，由于HMM依赖于笔画顺序，对于笔画顺序变化的情况，每个部首/字符需要多个模型。

2. 部首识别方法的发展与挑战

部首识别方法受到汉字层次结构的启发，通过对数量较少的部首类别进行建模，而不是对字符进行建模，具有降低模型复杂度、提高识别准确率和减少训练样本数量等优点。然而，部首分割一直是一个挑战，之前的方法要么依赖于笔画顺序，要么容易受到笔画形状变化的影响。

3. 新的部首识别方法介绍

为了克服部首分割的困难，提出了一种新的基于部首的混合统计 - 结构方法，用