این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۱۰، شماره ۳، صفحات ۶۰-۷۲
عنوان فارسی بازشناسی شورایی زیرکلمه تایپی فارسی در فضای محدود شده با روش ترکیب رای‌گیری وزن‌دار هوشمند
چکیده فارسی مقاله در این مقاله روشی شورایی برای بازشناسی زیرکلمات تایپی فارسی ارائه می‌شود. ابتدا فضای جستجو با استفاده از چند ویژگی ساده به تعداد خیلی کم از زیرکلمات محدود می‌شود. سپس با ترکیب شش طبقه‌بند پایه با روش رای گیری وزن‌دار زیرکلمه بازشناسی می‌شود. یک طبقه‌بند پایه همان محدود کننده فضای جستجو است. چهار طبقه‌بند پایه از روش نزدیکترین همسایگی و به ترتیب با ویژگی‌های مکان مشخصه، ناحیه‌بندی، تعداد تقاطع عمودی متن و زمینه و DCT استفاده می‌کنند. در یک طبقه‌بند دیگر با استفاده از حاصل ضرب تصاویر نرمالیزه زیرکلمه ورودی و زیرکلمات محدود شده آموزشی یک میزان شباهت برای هر زیرکلمه آموزشی بدست می‌آید و با آن بازشناسی را انجام می‌دهد. سپس زیرکلمه نهایی در یک فرایند رای گیری وزن‌دار که وزن‌های بهینه آن توسط الگوریتم هوشمند بدست می‌آیند از بین این گزینه‌ها انتخاب می‌گردد. این روش برای قلم لوتوس آزمایش شده و نرخ بازشناسی 98.34% برای داده‌های آزمون بدست آمده است.
کلیدواژه‌های فارسی مقاله بازشناسی، تایپی، شورایی، زیرکلمات، رای گیری، فارسی،
عنوان انگلیسی Ensemble Recognition of Persian Typed Sub-word in limited Space Using Smart weighted voting
چکیده انگلیسی مقاله In this paper, an ensemble method for recognition of Persian typed sub-words is proposed. First, the search space is limited to a very small number of sub-words using a few simple features. Then, by combining the six basic classifications with the weighted voting method, the sub-word is recognized. One of basic classifiers is the same as the search space limiter. Four of the basic classifiers use the nearest neighbor method with each feature of the loci, zoning, the number of the vertical cross between text and background and DCT, respectively. In another classifier, using the product of the normalized image of the input sub-word and the images of the reduced training sub-words, A degree of similarity is obtained for each training sub-words And with its help, the sub-word is recognized. The final sub-word is selected from the options obtained in a weighted voting process whose optimal weights are obtained by an intelligent algorithm. This method has been tested for lotus font and 98.34% recognition rate has been gained for this data.
کلیدواژه‌های انگلیسی مقاله بازشناسی, تایپی, شورایی, زیرکلمات, رای گیری, فارسی
نویسندگان مقاله علی میری |
دانشکده مهندسی صنایع، دانشگاه صنعتی شریف، تهران، ایران

سید محمد رضوی |
دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران

اسماعیل میری |
دانشگاه بیرجند

نشانی اینترنتی https://jscit.nit.ac.ir/article_133255_8c6e270217b69d2e653aa6bcf61a8e16.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات