دو شیوه جدید انتخاب ویژگی وابسته به کلاس و کاربرد آنها در تشخیص ارقام دستنویس فارسی
Publish place: 19th Iranian Conference on Electric Engineering
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 926
This Paper With 6 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:
ICEE19_577
تاریخ نمایه سازی: 14 مرداد 1391
Abstract:
یکی از مشکلات شایع سامانههای طبقهبندی، تعداد زیاد ویژگیها و در نتیجه پیچیدگی فضایی و زمانی بالاو حتی کاهش دقت این سامانهها است. از این رو، در این مقاله دو شیوه جدید انتخاب ویژگی وابسته به کلاس جهت افزایش دقت طبقهبندیکننده و کاهش پیچیدگی آنها ارائه کردهایم. جهت اثبات عملی برتری روشهای پیشنهادی، آنها را بر روی یک سامانه تشخیص نویسههای نوری ارقام فارسی آزمودهایم. نتایج حاصل از آزمایشها بر روی چهار دسته ویژگی مختلف و سه طبقهبندی متفاوت حاکی از غلبه روشهای وابسته به کلاس پیشنهادی بر شیوههای مشابه (ناوابسته به کلاس) است. این برتری شامل تا 9.7 % افزایش دقت در طبقهبندی نویسهها است.
Keywords:
Authors
محمدمهدی نعمت الهی
بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز
حمید محمودی
بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز
برهان کظیمی پور
بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز
بهار صالحی
بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :