بهبود نرخ بازشناسی ارقام دست نویس فارسی با استفاده از روش های ادغام در سطح تصمیم

هدف یک سیستم بازشناسی الگو قراردادن الگوها با کمتـرین خطـا، در کـ?س مربـوط بـه خودشـان اسـت. بازشناسی ارقام دستنویس فارسی یکی از مسائل مهم در حوزه بازشناسی الگو می-باشد. تحقیقات در این زمینه چندین دهه است که آغاز شده است و هنوز هم در حال پیشرفت می-باشد. در?سیستم های معمولی بازشناسی الگو از یـک طبقـه بنـد اسـتفاده مـی شـود کـه ?زمـه آن، بکـارگیری یـک مـدل? طبقه بندی پیچیده یا استفاده از ویژگی های پیچیده است که زمان پردازش را طو?نی می کند. در اوایـل دهـه 90?می?دی، ایده استفاده از ترکیب چند طبقه بند سادهتر بجای یک طبقـه بنـد پیچیـده مطـرح شـد. در ایـن ایـده، ایجـاد? طبقه بندهای پایه و انتخاب قاعده ترکیب مناسب، دو موضـوع اساسـی بـرای طراحـی سیـستم دسته بند چندگانه هستند. در این پایان نامه با استفاده از دسته بندهای پایه مختلف و رویکرد زیر نمونه، گوناگونی در سیستم طبقه بند مرکب افزایش یافت. همچنین روش رای گیری حداکثری برای ترکیب دسته بندهای پایه استفاده شد. خروجی طبقه-بندها به صورت خروجی مطلق می باشد. از دو روش کاهش ابعاد ویژگی، آنالیز مولفه اصلی(pca) و تحلیل تفکیک کننده خطی (lda) برای کاهش بعد بردار ویژگی استفاده شده است. در این تحقیق، از چهار طبقه بند شبکه عصبی، طبقه بند بیز، طبقه بند k همسایه نزدیکتر و طبقه بند کمترین فاصله به عنوان طبقه بند پایه استفاده شده است. از هشت روش استخراج ویژگی متفاوت به منظور استخراج ویژگی از ارقام دستنویس فارسی استفاده شده است که عبارتند از: ویژگی مکان مشخصه، ناحیه بندی، تبدیل کسینوسی گسسته(dct)، هیستوگرام افقی، هیستوگرام عمودی، تبدیل موجک(dwt)، فاصله(distance)، شمارش تلاقی(cross count). نتایج بدست آمده نشان می دهد که با استفاده از ویژگی های مختلف و طبقه بندهای پایه مختلف می توان نرخ بازشناسی کلی یک سیستم دسته بند چندگانه را افزایش داد.