بهبود بازشناسی ارقام دستنویس فارسی به کمک خوشه بندی

بازشناسی ارقام دستنویس فارسی یکی از شاخه های حوزه بازشناسی الگو است. تحقیقات در این زمینه چندین دهه است که آغاز شده و هنوز هم در حال تحول می باشد. این تحقیق به بهبود نرخ بازشناسی ارقام دستنویس فارسی با استفاده از خوشه بندی پرداخته است. در این پایان نامه از سه طبقه بندی کننده فازی، شبکه عصبی چند لایه ی پرسپترون و شبکه عصبی احتمالاتی برای بازشناسی ارقام دستنویس فارسی استفاده شده است. در یک روش داده های آموزش بطور کلی خوشه بندی و در هر خوشه نسبت به آموزش طبقه بندی کننده فازی با قوانین دهگانه اقدام شده است، بازشناسی داده های آزمایش ابتدا نزدیک ترین خوشه به داده آزمایش ورودی مشخص شده و سپس در خوشه مزبور طبقه بندی کننده فازی بازشناسی را انجام می دهد. در روش دوم در هر کلاس، داده های آموزشی خوشه بندی می شوند. در این حالت تعداد کلاس ها برابر مجموع تعداد خوشه های کلاس های داده های آموزشی خواهد شد. در روش سوم از خوشه بندی فازی و شبکه عصبی استفاده شده است، بدین ترتیب که هر کلاس از داده های آموزشی مانند روش دوم خوشه بندی می شود و شبکه با این کلاس های جدید آموزش می بیند. در روش پایانی از شبکه عصبی احتمالی با خوشه بندی داده های آموزش مانند روش دوم و آموزش شبکه با مراکز خوشه ها استفاده شده که منجر به حل مشکل نیاز به حافظه بالا، سرعت و در عین حال نرخ طبقه بندی بالا در این شبکه های عصبی می شود. در روش اول تعداد خوشه های بهینه با افزایش تعداد خوشه ها تا حصول بالاترین نرخ بازشناسی بدست می آید. در سه روش دیگر برای تعیین تعداد خوشه های بهینه الگوریتم بهینه سازی جمعیت ذرات با ذره بردار 10 حاوی تعداد خوشه های بهینه کلاس های دهگانه و تابع سازگاری نرخ بازشناسی داده های تصدیق استفاده شده است. برای بازشناسی ارقام دستنویس ویژگر های زونینگ، مکان مشخصه وگشتاورهای زرنیکی استفاده شده و تکنیک های خوشه بندی k-means و fcm بکار گرفته شده است. پایگاه داده ی مورد استفاده در این پایان نامه پایگاه داده هدی است. این پایگاه داده شامل 102352 نمونه است که از 60.000 نمونه برای آموزش و تصدیق طبقه بندی کننده و 20.000 نمونه جهت آزمایش استفاده شده است. نتایج مربوط به این پایان نامه که در فصل چهارم گزارش شده نشان دهنده تاثیر چشمگیر خوشه بندی در افزایش نرخ بازشناسی ارقام دستنویس فارسی است.