ارائه الگوریتمی برای تشخیص برخط دست نویس های فارسی

در این پژوهش یک سیستم عصبی- فازی با قابلیت آموزش همزمان برای بازشناسی برخط زیر-کلمات فارسی ارائه شده است. روش بازشناسی پیشنهادی یک روش کلی نگر بوده و مدل بازشناسی آن نیز، زیر-کلمه می باشد. در روش پیشنهادی ما، برای شناسایی زیر-کلمات از دانش مربوط به بدنه و علائم ثانویه آنها بطور همزمان استفاده می شود یعنی فرض می شود که بدنه ی زیر-کلمه و هر کدام از اجزای کوچک آن، در یک حرکت قلم نوشته می شود و بنابراین سیستم به فاز قطعه بندی نیازی ندارد. در الگوریتم پیشنهادی، ابتدا گروهی که زیر-کلمه ی ناشناخته ورودی در آن قرار دارد، مشخص می شود. اگر این گروه فقط یک عضو داشته باشد، آن کلاس به زیر-کلمه ی ورودی نسبت داده می شود وگرنه، گروه بدنه ی زیر-کلمه ی ناشناخته با بدنه های زیر-کلمات هم گروه مقایسه می شود. زیر-کلمه ای که بدنه ی آن با بدنه ی زیر-کلمه ی ورودی، کمترین فاصله را داشته باشد، به زیر-کلمه ی ورودی نسبت داده می شود. سیستم بازشناسی علاوه بر شبیه ترین زیر-کلمه، حداکثر 9 زیر-کلمه ی دیگر را نیز که در رتبه های بعدی از نظر فاصله با زیر-کلمه ی ناشناخته قرار می گیرند، پیشنهاد می کند. اگر زیر-کلمه ی یافت شده، زیر-کلمه ی مورد نظر کاربر نبود، سیستم قادر است آنرا بعنوان نمونه ای جدید آموزش ببیند. این سیستم پیشنهادی بر روی مجموعه داده استاندارد شامل 12 نمونه از هر زیر-کلمه با یک فرهنگ 1000 زیر-کلمه ای آزمایش شده است. سرعت تشخیص برای این 1000 زیر-کلمه ی آموزش دیده توسط این سیستم، بطور متوسط 60 ثانیه برای هر زیر-کلمه و میزان بازشناسی درست، 99/86درصد بدست آمده است.