معرفی یک سیستم بازشناسی کلمات فارسی مبتنی بر روش های پردازشی هوشمند
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده مهندسی
- author ایمان پورحسین
- adviser علیرضا عصاره بیتا شادگار
- Number of pages: First 15 pages
- publication year 1393
abstract
در این پایان نامه برای بازشناسی کلمات دستنویس فارسی و عربی برون خط، دو مدل ترکیبی جدید پیشنهاد شده است. با داشتن تعداد زیادی از کلمات، رویکردهای کاهش واژه نامه، روش های قدرتمندی برای هرس ابتدایی کلمات محسوب می شوند. دو مدل پیشنهادی، مبتنی بر روش های کاهش واژه نامه اند و مراحل پیش پردازش، قطعه بندی، استخراج ویژگی و طبقه بندی را در بر می گیرند. ویژگی هایی که از تصاویر کلمات استخراج می شوند را می توان به دو گروهخصوصیت نقاط کلمه و خصوصیت بدنه کلمهدسته بندی کرد.غالب مدل هایی که تاکنون ارائه شده است، تنها یک گروه از ویژگی ها را بکار می برند و توانایی کار با گروه دیگر را ندارند،اما مدل هایی که در این پایان نامه پیشنهاد شده، جهت افزایش کارایی، از هر دو گروهویژگی استفاده می کنند. مدل های پیشنهادی بر روی پایگاه داده ifn/enit که متشکل از بیست و شش هزار تصویر کلمه دستنویس است آزمایش شده و با دقت 95%، نرخ کاهش 89.6% و 96.2% بدست آمده است.
similar resources
مدلسازی بازشناسی واجی کلمات فارسی
Abstract of spoken word recognition is proposed. This model is particularly concerned with extraction of cues from the signal leading to a specification of a word in terms of bundles of distinctive features, which are assumed to be the building blocks of words. In the model proposed, auditory input is chunked into a set of successive time slices. It is assumed that the derivation of the underly...
full textیک روش دو مرحلهای برای بازشناسی کلمات دستنوشته فارسی به کمک بلوکبندی تطبیقی گرادیان تصویر
This paper presented a two step method for offline handwritten Farsi word recognition. In first step, in order to improve the recognition accuracy and speed, an algorithm proposed for initial eliminating lexicon entries unlikely to match the input image. For lexicon reduction, the words of lexicon are clustered using ISOCLUS and Hierarchal clustering algorithm. Clustering is based on the featur...
full textطراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...
full textمعرفی یک سیستم هوشمند دقیق برای تشخیص تودهها در تصاویرماموگرافی
مقدمه: سرطان پستان یکی از شایعترین بیماریهای زنان است. شناسایی و تشخیص زودهنگام این بیماری میتواند در درمان آن بسیار مؤثر باشد. ماموگرافی درحال حاضر از مؤثرترین روشهای تشخیص بیماری سرطان پستان است. روش بررسی: ما با توجه به تصاویر ماموگرافی اقدام به تشخیص تودههای موجود در تصاویر مینماییم. در این روش نرمافزار بدون نیاز به تشخیص ناظر، نواحی اطراف تومور را بهطور کامل و دقیق شناسایی میک...
full textمعرفی یک سیستم هوشمند برای تشخیص دقیق سرطان پستان
مقدمه: تشخیص بهموقع سرطان پستان بهطور چشمگیری مرگومیر ناشی از آن را در جامعه زنان کاهش میدهد. آزمایش آسپیراسیون سوزنی (FNA) روشی ساده، ارزان و غیرتهاجمی برای تشخیص دقیق و زودهنگام این سرطان است که امروزه تلاش میشود بهصورت هوشمند و ماشینی انجام گیرد.روش بررسی: مراحل ایجاد یک سیستم هوشمند برای تشخیص سرطان پستان عبارتاند از: ثبت تصاویر میکروسکوپیک از نمونه FNA، استخراج ویژگیهای عددی از ای...
full textارائه خصیصه های خاص زبان فارسی جهت بازیابی و بازشناسی کلمات تصویری فارسی با استفاده از تعبیه برچسب
جستجو و بازیابی کلمات دستنویس در اسناد تصویری روشی جایگزین برای بازشناسی کاراکترهای نوری (OCR) است. این راهکار بیشتر در مواردی که بازشناسی کاراکترهای نوری دقت پایینی دارند، مانند متون دستنویس یا متون چاپی با کیفیت پایینی مطرح میگردد. امروزه یکی از روشهای کارآمد در بازیابی مبتنی بر محتوای تصویر، که برای کلمات تصویری هم توسعه داده شده است، استفاده از رده بندی مبتنی بر خصیصه (Attribute-based Cla...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده مهندسی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023