Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
onepowszechniestosowanewrozpoznawaniumowy[Hua1990,Leg1995,
Lev1983].Wprzypadkusystemówrozpoznawaniawzorcównaobrazach
cyfrowych,opartychoukrytemodeleMarkowa,pojawiasięproblemz
wymiarowościądanychwejściowych.UMMpracujązjednowymiarowymi
wektoramiopisującymiwzorzec(obraz).Istniejezatemkonieczność
przekształceniawzorcówdwuwymiarowychwwektory.Niestetypowoduje
toutratęczęściinformacjizawartejwobrazie.Strukturaobrazuniesiezesobą
informację,któramożebyćużytecznawprocesierozpoznawania.Ponadto
należyzastanowićsięnadkoniecznościąprzekształcaniadwuwymiarowej
informacjiwejściowejwsygnałjednowymiarowy,ponieważwiążesiętoz
dodatkowymioperacjamiiobliczeniami.Ztegowzględuwygodniej,łatwieji
szybciejmożnabybyłorozpoznawaćobrazy(wzorcedwuwymiarowe),gdyby
istniała
możliwość
wprowadzania
danych
dwuwymiarowych
do
dwuwymiarowegoUMM.
Próbęrozwiązaniategoproblemuprzedstawionom.in.wpracach[Beo2004,
Eic1999,Min2001].Opisanetampseudo2DukrytemodeleMarkowa(Rys.1)
stanowiąpołączeniemjednowymiarowychmodeli.Modeleteniesąwpełni
dwuwymiarowe,aponadtoprzetwarzająonedanejednowymiarowe.Każdy
zeskładowychmodelipracujezjednowymiarowymwektoremdanych.
Rys.1Pseudo2DukrytymodelMarkowa[Eic1999]
WpełnidwuwymiaroweukrytemodeleMarkowazaprezentowanowpracach
[Dhi2006,Jos2006,Li2000,Yuj2007].Zaproponowanownichdefinicjei
dowodynapoprawnośćidei2DUMM.Yujianw[Yuj2007]pokazałszereg
analitycznychformułiwzorówdorozwiązaniatrzechpodstawowych
7
