این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۶، شماره ۲، صفحات ۵۱-۶۸
عنوان فارسی بازشناسی برخط حروف مجزای دست نویس فارسی با استفاده از مدل مخفی مارکوف گسسته و ویژگی‌های مبتنی بر زبان فارسی
چکیده فارسی مقاله در این مقاله، بازشناسی برخط حروف مجزای دستنویس فارسی با استفاده از مدل مخفی مارکوف گسسته و ویژگی‌های مبتنی بر زبان فارسی ارائه می‌شود. در روش پیشنهادی، از استخراج نقطه‌های حرف، حذف قلاب‌ها، یکسان سازی ابعاد بدنه اصلی و هموارسازی آن به‌عنوان بخشی از فرایند پیش پردازش استفاده می‌شود. جهت حرکت قلم برای بدنه اصلی و همچنین محل و تعداد ریزحرکت‌ها و نقطه‌های حروف به‌عنوان ویژگی‌های قابل مشاهده به منظور استفاده در فرایند آموزش و آزمایش مدل به‌کار می‌روند. در روش پیشنهادی از هیچ‌گونه گروه‌بندی حروف، استفاده نشده است. به‌منظور تولید دنباله مشاهدهای گسسته برای مدل مخفی مارکوف، از کتاب کد پیشنهادی که مبتنی بر خصوصیات نوشتاری زبان فارسی است استفاده می‌شود. برای افزایش دقت بازشناسی، فرایند پس‌پردازش پیشنهادی، حرف بازشناسی شده را از نظر تعداد و محل ریزحرکت‌ها و نقطه‌ها بررسی کرده و خروجی نهایی را بر می‌گرداند. نرخ بازشناسی با استفاده از روش پیشنهادی بیش از 98 درصد برای مجموعه داده‌های آزمایشی است که نسبت به سایر روش‌های اعمال شده بر روی این مجموعه داده، دقت بهتری را ارائه می‌دهد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Online Handwritten Persian Isolated Letter Recognition by Using Discrete Markov Models and Language-Based Features
چکیده انگلیسی مقاله In this paper, an online Persian isolated letter recognition by using discrete Markov models and language-based features is presented. In the proposed method, the preprocessing includes the extraction of dots, the removal of ending-bends, the normalization of the main body dimension, and the main body smoothing. The direction of the pen for the main body, and also the location and the number of secondary movements and dots of letters are used as the observable features in order to train and test models. No alphabet grouping has been used in the proposed method. In order to produce appropriate discrete observation sequences for the hidden Markov models, the proposed codebook is based on the characteristics of the Persian language. To improve the recognition accuracy, the proposed post-processing checks the recognized character in terms of the number and location of the secondary movements and dots. The final recognition rate is obtained more than 98% for the test dataset and outperforms other methods applied to this dataset.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد عاشورپور |
گروه مهندسی برق، دانشکده فنی و مهندسی گرگان، دانشگاه گلستان، گرگان، ایران

مجید زیارت بان |
گروه مهندسی برق، دانشکده فنی و مهندسی گرگان، دانشگاه گلستان، گرگان، ایران

نشانی اینترنتی http://jscit.nit.ac.ir/article_61690_9b6df6569aeff3fe88a3c4a4255010f4.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/834/article-834-818156.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