Partitionnement de tracés manuscrits en ligne par modèles markoviens
Abstract
We present an unsupervised approach to cluster sequences. This method is inspired by topology learning methods for hidden Markov models, and is built upon the definition of a distance between Markov models. This type of technique may be used to learn Markovian character models from data or to identify allographs or handwriting styles.
Nous présentons une approche pour le partitionnement non supervisé de séquences. Cette méthode est inspirée de méthodes d'apprentissage de la topologie de modèles markoviens et repose sur la définition d'une distance entre modèles de Markov. Ce type de technique peut être utilisé pour apprendre, à partir des données, des modèles de caractères markoviens ou bien pour identifier des allographes ou des styles d'écriture en ligne.