بازشناسی متون با مدل های گرافی احتمالات (KBEI-2016)

برچسب دهی و آنالیز دنبالهای از داده ها ازجمله کاربردهای مدلهای گرافی احتمالاتی تمایزگرا است. میدان تصادفی شرطی باحالت پنهان مدلی با لایه مخفی است که با ایجاد پتانسیلهای مرتبه بالاتر و یادگیری روابط پیچیدهتر میتواند ارتباطات قوییتری را کشف نماید.با استفاده از پنجره ای کردن مدل HCRF و حرکت آن بر روی دنباله میتوانیم از استخراج اطلاعات را به بخشهای کوچکتر تقسیم بندی نماییم و در نهایت با ترکیب خروجی پنجره ها با روش خوشه بندی به دنبال افزایش قدرت ماشین یادگیر هستیم.با توجه به اهمیت تشخیص حرکت انسان ، از این کاربرد برای بررسی عملکرد مدل پیشنهادی استفاده میکنیم. در این زمینه مدل خود را با HMM، HCRF و CRF مورد مقایسه و ارزیابی قرار میدهیم

کلیدواژه ها:

مدلهای گرافی احتمالاتی تفکیکی ، میدان تصادفی شرطی با حالت پنهان ، حالات مخفی