本文仅仅是一个简单的PGM在OCR方面的应用的实践。
仅此记录下来实现的思路。
OCR(Optical Character Recognition)即是将手写的文字用计算机自动的识别出来，然后输送到计算机里。
OCR目前仍然没有完全成功的产品。但是不论OCR再进行优化，他的基本思路都是相同的。
在此，我仅仅使用到了两个比较通用的OCR方面的优化方法进行说明。
首先最基本的，就是直接通过采集到的手写体问题图片进行识别，我们假定前后的letters之间没有任何的关联。
使用softmax，DL或者任何一种你认为可行的分类算法都可以，这个分类算法的目的就是根据拿到的图片信息给单词表中的
每一个备选letters进行打分（score），可能性高的letter的分高，反之则分低。
当然我们的假设是错误的，因为不论是在英文单词里还是在这世界上的任何一种语言，letters之间肯定是相关的，而且有些letters
本来外形就十分的相似，如果仅仅是建立letters之间不相关的模型进行OCR恐怕识别率不会很高。
鉴于此，对模型进行了优化，建立了一个markov network，这里假定了相邻的letters之间是有关联的，然后我们建立一个表，
列出各种letters同时出现的概率的大小。
由于仅仅相邻两个letters的约束不够强，于是再多加一个联系，引入三个letters同时出现的score
有了基本思路和模型就可以来实现啦！
在实现的时候用到了python的一个开源库：pgmpy http://pgmpy.org/
具体安装和使用文档在他们的官网上都有，真的挺好用。
下面附上我实现的repo地址：
https://gitcafe.com/NeighborhoodGuo/OCR_based_on_PGM
如果有朋友发现不足的地方欢迎指正！