این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۶، شماره ۱، صفحات ۰-۰
عنوان فارسی بازشناسی برخط ارقـام دست‌نویس فارسی با استفاده از طبقه‌بند ماشین بردار پشتیبان
چکیده فارسی مقاله در این مقاله روشی برای بازشناسی برخط ارقام دست­نویس فارسی ارایه می­شود. چهار مجموعه ویژگی نقطه­ای­ و یک مجموعه ویژگی­ سراسری، از نمونه­های پیش­پردازش­شده استخراج شده­است. در این پژوهش ساختاری مناسب برای بردار ویژگی، تنها حاوی یک مجموعه ویژگی نقطه­ای و بهره­گیری از ویژگی­های سراسری در کنار ویژگی­های نقطه­ای برای بهبود عملکرد طبقه­بند ارایه می­شود. به همین منظور آزمایش­های متعددی با هرکدام از مجموعه ویژگی­های نقطه­ای و همچنین بهره­گیری از ویژگی­های سراسری در کنار هریک از مجموعه ویژگی­های نقطه­ای با استفاده از طبقه­بند ماشین بردار پشتیبان (SVM) با رویکردهای یک در مقابل همه (OVA) و یک در مقابل یک (OVO) انجام شده­است. در این تحقیق به­منظور ارایه روشی سریع، دقیق و با قابلیت اطمینان بالا، طبقه­بند ماشین بردار پشتیبان (SVM) با رویکرد یک در مقابل یک (OVO) برای بازشناسی برخط ارقام دست­نویس فارسی، پیشنهاد شده­است. روش پیشنهادی ارایه شده در این مقاله روی ارقام موجود در پایگاه داده Online-TMU انجام شده­است، بهترین نرخ بازشناسی، با بهره­گیری از تغییرات در راستای افقی (Δx) و تغییرات در راستای عمودی (Δy) به عنوان ویژگی نقطه­ای در کنار مجموعه ویژگی­های­ سراسری حاصل می­شود، که میانگینی برابر با 08/98 درصد دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی بازشناسی برخط ارقـام دست‌نویس فارسی با استفاده از طبقه‌بند ماشین بردار پشتیبان
چکیده انگلیسی مقاله در این مقاله روشی برای بازشناسی برخط ارقام دست­نویس فارسی ارایه می­شود. چهار مجموعه ویژگی نقطه­ای­ و یک مجموعه ویژگی­ سراسری، از نمونه­های پیش­پردازش­شده استخراج شده­است. در این پژوهش ساختاری مناسب برای بردار ویژگی، تنها حاوی یک مجموعه ویژگی نقطه­ای و بهره­گیری از ویژگی­های سراسری در کنار ویژگی­های نقطه­ای برای بهبود عملکرد طبقه­بند ارایه می­شود. به همین منظور آزمایش­های متعددی با هرکدام از مجموعه ویژگی­های نقطه­ای و همچنین بهره­گیری از ویژگی­های سراسری در کنار هریک از مجموعه ویژگی­های نقطه­ای با استفاده از طبقه­بند ماشین بردار پشتیبان (SVM) با رویکردهای یک در مقابل همه (OVA) و یک در مقابل یک (OVO) انجام شده­است. در این تحقیق به­منظور ارایه روشی سریع، دقیق و با قابلیت اطمینان بالا، طبقه­بند ماشین بردار پشتیبان (SVM) با رویکرد یک در مقابل یک (OVO) برای بازشناسی برخط ارقام دست­نویس فارسی، پیشنهاد شده­است. روش پیشنهادی ارایه شده در این مقاله روی ارقام موجود در پایگاه داده Online-TMU انجام شده­است، بهترین نرخ بازشناسی، با بهره­گیری از تغییرات در راستای افقی (Δx) و تغییرات در راستای عمودی (Δy) به عنوان ویژگی نقطه­ای در کنار مجموعه ویژگی­های­ سراسری حاصل می­شود، که میانگینی برابر با 08/98 درصد دارد.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مجید مرزانی |


سید محمد رضوی | seyed mohammad
دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران
سازمان اصلی تایید شده: دانشگاه بیرجند (Birjand university)

مهران تقی پور گرجی کلایی | mehran taghi pour gorji kalayi
دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران
سازمان اصلی تایید شده: دانشگاه بیرجند (Birjand university)

نشانی اینترنتی http://jscit.nit.ac.ir/article_51695_71d995d2c96401dc711f9a74cbaf145a.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/834/article-834-501034.pdf
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