HMM在手写字符分割中的应用

论文《非限制手写字符分割中相关技术与算法的研究》

利用HMM对分割问题建模，寻找分割路径的问题转换成寻找最大概率状态序列的问题。

模型如图，以字符宽度H长的方格作为单元，一行作为一层，从第一层到最后一层作为一个时序序列T（第一层t1,第二层t2...），一行中n个方格单元为n个状态，于是，寻找路径路径的问题转换为寻找最大可能的状态序列问题。

隐状态就是n个不同的状态，观测状态也是这n个不同的状态，但是每个隐状态的观测发生概率不同。

至于HMM的其他模型参数可以参考论文原文。

理解HMM，重点是理解HMM在于寻找一条最大可能的状态转移序列。

理解维特比算法，重点是理解它的动态规划的思想核心，先找到0~t-1的最大概率路径，再找到0~t的最大概率路径，而后者必定包含前者中的一条。