. Ce-travail-décrit, Modèle à Vision Locale " tel que le NSHP-HMM pour normaliser une image avant reconnaissance par un Modèle à Vision Globale " tel que le SVM. La normalisation proposée s'appuie sur la répartition fournie par l'algorithme de Viterbi des états du NSHP- HMM sur l'image analysée. L'amélioration nette des résultats lorsqu'on considère les échantillons les plus correctement normalisés appuie l'intérêt de cette approche. Le principal problème rencontré est le manque d'échantillons qui

. Références, Rolf Bippus, 1-dimensonal and pseudo2-dimensional hmms for the recognition of german literal amounts, Fourth International Conference on Document Analysis and Recognition (ICDAR'97), 1997.

C. Choisy and A. Belaid, Analytic Word Recognition Without Segmentation Based on Markov Random Fields, Seventh International Workshop on Frontiers in Handwriting Recognition (IWFHR7) (Amsterdam ), 2000.
URL : https://hal.archives-ouvertes.fr/inria-00099041

F. Alexandre and F. Guyot, Evaluation d'un modèle connexionniste simple pour la reconnaissance automatique de caractères, Actes du ¡ ¢ ¤ £ ¥ ¢ Colloque National sur l'Écrit et le Document, pp.99-108, 1994.

L. Vuurpijl, F. Wang, and L. Schomaker, Support Vector Machines for the Classification of Western Handwritten Capitals, Proc. IWFHR-7, pp.167-176, 2000.

M. Gilloux, B. Lemarié, and M. Leroux, A hybrid radial basis function network/hidden Markov model handwritten word recognition system, Proceedings of 3rd International Conference on Document Analysis and Recognition, pp.394-397, 1995.
DOI : 10.1109/ICDAR.1995.599021

Y. Guermeur, A. Elisseeff, and H. Paugam-moisy, A new multi-class SVM based on a uniform convergence result, Proceedings of the IEEE-INNS-ENNS International Joint Conference on Neural Networks. IJCNN 2000. Neural Computing: New Challenges and Perspectives for the New Millennium, pp.183-188, 2000.
DOI : 10.1109/IJCNN.2000.860770
URL : https://hal.archives-ouvertes.fr/inria-00099215

T. Joachims, Making large-scale svm learning practical . advances in kernel methods -support vector learning , b. schölkopf and c. burges and a. smola, 1999.

A. Kundu, Handwritten Word Recognition using Hidden Markov Model, Handbook of Character Recognition and Document Image Analysis, pp.157-182, 1997.

H. S. Park and S. W. Lee, An HMMRF-Based Statistical Approach for Off-line Handwritten Character Recognition, IEEE Proceedings of ICPR'96, pp.320-324, 1996.

G. Saon and A. Belaïd, Off-line handwritten word recognition using a mixed HMM-MRF approach, Proceedings of the Fourth International Conference on Document Analysis and Recognition, pp.118-122, 1997.
DOI : 10.1109/ICDAR.1997.619825
URL : https://hal.archives-ouvertes.fr/inria-00537568

A. W. Senior and A. J. Robinson, An off-line cursive handwriting recognition system, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.20, issue.3, pp.308-321, 1998.
DOI : 10.1109/34.667887

J. C. Simon, O. Baret, and N. Gorski, A System for the Recognition of Handwritten Literal amounts of checks, Internal Association for Pattern Recognition Workshop on Document Analysis System (DAS'94), pp.135-155, 1994.

N. Vladimir and . Vapnik, The Nature of Statistical Learning Theory, 1995.