بررسی بهبود نرخ بازشناسی اعداد فارسی با استفاده از روش های خوشه بندی قطعی و غیرقطعی
Publish place: 2nd International Conference on Challenges and New Solutions in Industrial Engineering and Management and Accounting
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 343
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSIEM02_177
تاریخ نمایه سازی: 27 تیر 1400
Abstract:
بهبود نرخ بازشناسی یکی از مباحث پایه ای حوزه بازشناسی الگو محسوب می شود. در این پژوهش تلاش شده تا با ارائه الگوریتمی بهبود یافته و مبتنی بر خوشه بندی، بازشناسی اعداد دست نویس فارسی با دقت قابل توجهی صورت پذیرد. آموزش و شناسایی الگوها در این پژوهش با استفاده از روش شبکه عصبی احتمالاتی میسر گردیده است، به این صورت که پس از استخراج ویژگی های مکان مشخصه و ناحیه ای از داده های آموزشی، این ویژگی ها با استفاده از خوشه بندی شده و شبکه عصبی احتمالاتی با استفاده از مراکز خوشه ها آموزش می بیند. تعداد بهینه خوشه های هر FCM و PAM ،k-means روش های کلاس با استفاده از الگوریتم بهینه سازی جمعیت ذرات با تابع سازگاری نرخ بازشناسی داده های آموزشی تعیین می شود. بهبود قابل ملاحظه در نرخ بازشناسی اعداد دست نویس در این الگوریتم نسبت به حالت بدون خوشه بندی تایید کننده عملکرد مناسب این شیوه است.
Keywords:
Authors
علی میری
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه صنعتی شریف، تهران
مجید خدمتی
استادیار گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه صنعتی شریف، تهران