روشی کاربردی برای بازشناسی برخط حروف مجزای دست نویس فارسی با استفاده همزمان از دانش مربوط به بدنه اصلی و ریزحرکات
نویسندگان
چکیده
در این مقاله، روشی برای بازشناسی برخط حروف مجزای دست نویس فارسی ارایه می شود. در روش پیشنهادی برای بازشناسی حروف مجزای دست نویس فارسی، از دانش مربوط به بدنه اصلی و ریزحرکات به طور همزمان و به منظور اعتبار بیشتر تعیین کلاس خروجی استفاده شده است. در این تحقیق حروف مجزای دست نویس فارسی بر اساس تشابه بدنه اصلی در 18، و بر اساس تشابه ریزحرکات در 11 گروه، گروه بندی می شوند. با توجه به روش پیشنهادی ارایه شده در این پژوهش برای تشخیص نمونه های ناشناخته ورودی، بدنه اصلی و ریزحرکات شناسایی می شوند، اگر گروه های شناسایی شده از بدنه اصلی و ریزحرکات همخوانی داشته باشند، نمونه ناشناخته بازشناسی می شود؛ در غیر این صورت ناهمخوانی پیش آمده با استفاده از الگوریتم تصحیح خطا، تاحد امکان تصحیح می گردد. به منظور کاهش هزینه محاسباتی و افزایش قدرت تفکیک پذیری ویژگی-ها، با استفاده از روش های کاهش ابعاد ویژگی همچون تحلیل جداکننده خطی (lda) و تحلیل مولفه های اصلی (pca)، ابعاد بردار ویژگی برای بدنه اصلی از 102 ویژگی به 17 ویژگی کاهش می یابد. برای طبقه بندی بدنه اصلی حروف و همچنین برای ریزحرکات از طبقه بند ماشین بردار پشتیبان (svm) با رویکرد یک در مقابل یک (ovo) استفاده شده است. نتایج بدست آمده نشان می دهند که با استفاده از روش پیشنهادی حدود 98 درصد از حروف مجزای دست نویس فارسی برخط به-درستی بازشناسی می شوند.
منابع مشابه
روشی کاربردی برای بازشناسی برخط حروف مجزای دست‌نویس فارسی با استفاده همزمان از دانش مربوط به بدنه اصلی و ریزحرکات
در این مقاله، روشی برای بازشناسی برخط حروف مجزای دست‌نویس فارسی ارایه می‌شود. در روش پیشنهادی برای بازشناسی حروف مجزای دست‌نویس فارسی، از دانش مربوط به بدنه اصلی و ریزحرکات به‌طور همزمان و به‌منظور اعتبار بیشتر تعیین کلاس خروجی استفاده شده‌است. در این تحقیق حروف مجزای دست‌نویس فارسی بر اساس تشابه بدنه اصلی در 18، و بر اساس تشابه ریزحرکات در 11 گروه، گروه‌بندی می‌شوند. با توجه به روش پیشنهادی ار...
متن کاملبازشناسی برخط حروف مجزای دست‌نویس فارسی بر اساس تشخیص گروه بدنه اصلی با استفاده از ماشین بردار پشتیبان
In this paper a new method for the online recognition of handwritten Persian characters has been proposed which uses a set of simple features and Support Vector Machine (SVM) as a classifier. The task of preprocessing allows us to equalize feature vectors from different characters. This algorithm is implemented in two steps. In the first step, input character is classified into one of eighteen ...
متن کاملبازشناسی حروف مجزای برخط فارسی
در این پایان نامه، روشی برای بازشناسی برخط حروف مجزای دست نویس فارسی ارایه می شود. در روش پیشنهادی برای بازشناسی حروف مجزای دست نویس فارسی، از دانش مربوط به بدنه اصلی و ریزحرکات به طور همزمان استفاده شده است. در این تحقیق حروف مجزای دست نویس فارسی بر اساس تشابه بدنه اصلی در 18، و بر اساس تشابه ریزحرکات در 11 گروه، گروه بندی می شوند. برای مثال، سیستم برای حرف «چ»، بدنه اصلی و ریزحرکات را شناسایی...
15 صفحه اولبازشناسی حروف برخط فارسی با استفاده از ویژگی‌های ساختاری
در این مقاله گروه‌بندی و بازشناسی حروف تنهای فارسی که به صورت برخط نوشته شده باشند، بر اساس ویژگی‌های ساختاری آن‌ها ارائه شده است. حروف بر اساس شکل و ساختار نوشتاری بدنه اصلی آن‌ها به 9 گروه تقسیم می‌شوند. پس از استخراج ویژگی‌ها، گروه‌بندی با استفاده از درخت تصمیم انجام می‌شود. بازشناسی نهایی حروف با توجه به ساختار اجزای کوچک آن‌ها در هر گروه صورت می‌پذیرد. با توجه به این که در این مقاله از روش...
متن کاملبازشناسی حروف برخط فارسی با استفاده از ویژگی‌های ساختاری
در این مقاله گروه‌بندی و بازشناسی حروف تنهای فارسی که به صورت برخط نوشته شده باشند، بر اساس ویژگی‌های ساختاری آن‌ها ارائه شده است. حروف بر اساس شکل و ساختار نوشتاری بدنه اصلی آن‌ها به 9 گروه تقسیم می‌شوند. پس از استخراج ویژگی‌ها، گروه‌بندی با استفاده از درخت تصمیم انجام می‌شود. بازشناسی نهایی حروف با توجه به ساختار اجزای کوچک آن‌ها در هر گروه صورت می‌پذیرد. با توجه به این که در این مقاله از روش...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
هوش محاسباتی در مهندسی برقجلد ۶، شماره ۲، صفحات ۸۷-۱۰۰
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023