تشخیص برون خط اشکال کشیده شده با دست بر اساس الگوریتم PSA و شبکه های عصبی پرسیون چند لایه
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,231
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
ICS11_040
تاریخ نمایه سازی: 14 مهر 1392
Abstract:
در این مقاله به یکی از پر کاربردترین شاخه های تشخیص اشکال گرافیکی (Graphics Recognition)، تشخیص برون خط اشکال کشیده شده یا دست پرداخته ایم. این مقاله بر پایه شبکه عصبی پرسیترون چند لایه (MLP) و الگوریتم PCAمی باشد. هر تصویر به یک بردار یک بعدی با طول 1600 تبدیل می شود و در نهایت با الگوریتم PCA ابعاد این داده ها را کاهش داده و از آن به عنوان ورودی شبکه عصبی استفاده می کنیم. پایگاه داده استفاده شده شامل فرم هایی می باشند که توسط افراد مختلفی پر شده اند. در هر فرم از هر یک از اشکال دایره، مستطیل، مربع، مثلث، لوزی و خط راست دو نمونه گرفته شده است. الگوریتم استفاده شده نسبت به تجانس و چرخش غیر حساس می باشد. این پایگاه داده شامل 166 نمونه برای آموزش و 110 نمونه برای مرحله تست می باشد. تجربه نشان داده شده است که الگوریتم استفاده شده و ویژگی های استفاده شده منجر به نتیجه قابل قبول بالای 90 درصد شده است
Keywords:
تشکیل اشکال گرافیکی(Graphics Recognition) , تشخیص برون خط اشکال کشیده شده با دست ( offline Hand-drawn Shape Recognition) الگوریتم ( principal Component Analysis) شبکه عصبی پرسیترون چند لایه (MLP)
Authors
سرور محمدی بزنج
دانشگاه علوم و تحقیقات واحد خراسان جنوبی
زهرا علی قلی
دانشگاه علوم و تحقیقات واحد خراسان جنوبی
مریم آقایی تبریزی
دانشگاه تهران
جواد صدری
دانشگاه بیرجند
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 :