بازشناسی حروف برخط فارسی با استفاده از ویژگیهای ساختاری
Authors
Abstract:
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 روشهای زمانبر برای بازشناسی استفاده نشده است، روش پیشنهادی، روشی سریع در بازشناسی حروف برخط فارسی است. نتایج پیادهسازی این روش بر روی مجموعه داده "حروف برخط دانشگاه تربیت مدرس"، گروهبندی و بازشناسی حروف را به ترتیب با دقت بالای %94 و %92 نشان میدهد و این در حالی است که میانگین زمان پردازش و بازشناسی یک حرف حدود 3 میلی ثانیه به دست آمد.
similar resources
بازشناسی 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 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 ...
full textروشی 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...
full textMy Resources
Journal title
volume 3 issue 10
pages 55- 65
publication date 2013-06-01
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023