 visitant ::
identificació
|
|||||||||||||||
|
Cerca | Lliura | Ajuda | Servei de Biblioteques | Sobre el DDD | Català English Español | |||||||||
| Pàgina inicial > Articles > Articles publicats > Learning Model Structure from Data : an Application to On-Line Handwriting |
| Data: | 2005 |
| Resum: | We present a learning strategy for Hidden Markov Models that may be used to cluster handwriting sequences or to learn a character model by identifying its main writing styles. Our approach aims at learning both the structure and parameters of a Hidden Markov Model (HMM) from the data. A byproduct of this learning strategy is the ability to cluster signals and identify allograph. We provide experimental results on artificial data that demonstrate the possibility to learn from data HMM parameters and topology. For a given topology, our approach outperforms in some cases that we identify standard Maximum Likelihood learning scheme. We also apply our unsupervised learning scheme on on-line handwritten signals for allograph clustering as well as for learning HMM models for handwritten digit recognition. |
| Drets: | Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.  |
| Llengua: | Anglès |
| Document: | Article ; recerca ; Versió publicada |
| Matèria: | HMM Structure Learning ; Allograph Clustering ; Unsupervised Learning ; Online Handwriting ; Aprenentatge estructura HMM ; Aprenentatge no supervisat ; Escriptura en línia ; Lletra en línia ; Aprendizaje estructura HMM ; Aprendizaje no supervisado ; Escritura online ; Letra online |
| Publicat a: | ELCVIA. Electronic letters on computer vision and image analysis, V. 5 n. 2 (2005) p. 30-46, ISSN 1577-5097 |
