Tomada de decisão em cadeias de Markov aplicada ao problema de reconhecimento de padrões

Em muitos problemas de reconhecimento de padrões, existem dependências entre os padrões a serem reconhecidos. No passado, essas dependências não foram inseridas no modelo matemático ao projetar um sistema de reconhecimento de padrões ótimo. Neste artigo, a regra de decisão ótima é derivada sob a suposição de dependência de Markov entre os padrões a serem reconhecidos. Subsequentemente, essa regra de decisão é aplicada a problemas de reconhecimento de caracteres. A ideia principal é equilibrar adequadamente a informação obtida de considerações contextuais e a informação das medições sobre o caractere sendo reconhecido para assim chegar a uma decisão utilizando ambas. A decisão de Bayes em cadeias de Markov é apresentada e esse modo de decisão é adaptado para o reconhecimento de caracteres. Apresenta-se um modo de decisão com antecipação. O problema da estimação das probabilidades de transição é discutido. O sistema experimental é descrito e são apresentados resultados de experimentos sobre texto legal em inglês e nomes.