我已经从许多孤立字符的图像中提取了特征（例如梯度、相邻像素权重和几何属性。我如何使用 HMM 作为根据这些数据训练的分类器？我读到的所有关于 HMM 的文献都指状态和状态转换，但我可以'不要将它连接到功能和类标签。JAHMM主页上的示例与我的问题无关。我需要使用HMM不是因为它比其他方法更好地解决这个问题，而是因为项目主题的限制。
这个问题有一个在线识别的答案，但我想要离线和更详细的答案
编辑：我将每个字符划分为具有固定数量正方形的网格。现在我计划对每个网格块进行特征提取，从而通过从左到右和从上到下移动来获得每个样本的特征序列。
这是否代表了 HMM 的足够“序列”，即 HMM 是否能够猜测数据的时间变化，即使字符不是从左到右和从上到下绘制的？如果不建议另一种方式。
我应该提供很多功能还是从几个开始？我如何知道 HMM 是否性能不佳或功能是否不好？我正在使用 JAHMM。
提取笔画特征难，不能与网格特征逻辑结合？（因为 HMM 期望某个随机过程生成的序列）
我经常看到用于此类识别任务的神经网络，即此处、此处 和此处。由于简单的谷歌搜索在 OCR 中出现了如此多的神经网络点击，我假设您已开始使用 HMM（项目限制，对吗？）无论如何，这些链接可以提供一些关于网格化图像和获取图像特征的见解.
您将网格转换为一系列观察的方法是合理的。在这种情况下，请确保不要混淆观察和状态。你从一个块中提取的特征应该被收集到一个观察中，即一个特征向量。（与语音识别相比，您的块的特征向量类似于与语音音素相关的特征向量。）您实际上并没有太多关于底层状态的信息。这是 HMM 的隐藏方面，训练过程应告知模型一个特征向量跟随另一个特征向量的可能性（即转换概率）。
由于这是一个离线过程，因此不必关心实际绘制字符的时间方面。出于您的任务的目的，您使用从左到右、从上到下的块序列对观察序列施加了时间顺序。这应该可以正常工作。
至于 HMM 性能：选择一个合理的显着特征向量。在语音识别中，特征向量的维数可能很高（>10）。（这也是引用的文献可以提供帮助的地方。）留出一定百分比的训练数据，以便您可以正确测试模型。首先，训练模型，然后在训练数据集上评估模型。你的角色分类效果如何？如果效果不佳，请重新评估特征向量。如果它在测试数据上表现良好，则通过在保留的测试数据上运行分类器来测试分类器的通用性。
至于状态的数量，我将从启发式导出的数字开始。假设您的角色图像被缩放和标准化，可能有 40%（？）的块被占用？这是我的粗略猜测，因为没有提供源图像。对于 8x8 网格，这意味着占用了 25 个块。然后我们可以从 25 个状态开始——但这可能是幼稚的：空块可以传达信息（意味着状态的数量可能会增加），但在类似的状态下可能会观察到一些特征集（意味着状态的数量可能会减少。）如果它如果是我，我可能会选择 20 个州。话虽如此：注意不要混淆特征和状态。您的特征向量是在特定状态下观察到的事物的表示。
祝你好运。