بازشناسی خودکار اعداد دست نویس لاتین با استفاده از مدل مخلوط گوسی دو مرحله ای

Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,758

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICEE15_164

تاریخ نمایه سازی: 17 بهمن 1385

Abstract:

در این مقاله روشی جدید برای تشخیص خودکار اعداد دست نویس لاتین با استفاده از مدل مخلوط گوسی ارائه می گردد. در این روش برای آموزش دسته بندی کننده ابتدا با در نظر گرفتن زیر مجموعه ای از داده های آموزشی، هر کلاس از اعداد با استفاده از یک تابع مخلوط گوسی مدل شده و زیر کلاسهای مربوطه بصورت خودکار تعیین می شوند، به گونه ای که برای نگارشهای مختلف یک عدد زیر کلاسهای متقاوتی در نظر گرفته می شود. سپس تابع چگالی احتمال کلاسهای حاصله نیز به صور حاصل جمع تعدادی مولفه گوسی مدل شده و پارامترهای آنها تخمین زده میشود. درمرحله آزمایش با توجه به میزان شبیه نمایی داده ورودی به مدل مخلوط گوسی هر کلاس عمل دسته بندی انجام می شود. الگوریتم ارائه شده با استفاده از مجموعه داده MNIST مورد آزمایش واقع شده است. نتایج حاصله نشان دهنده آن است که روش پیشنهادی از دقت، سرعت و قابلیت انعطاف بسیار خوبی برخوردار است.

Keywords:

بازشناسی اعداد دست نویس , دسته بندی , مدل مخلوط گوسی

Authors

محمدرضا ارباب شیرانی

آزمایشگاه تحقیقاتی پردازش سیگنال - دانشکده برق - دانشگاه

محمدتقی صادقی

آزمایشگاه تحقیقاتی پردازش سیگنال - دانشکده برق - دانشگاه

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 :
  • Y. LeCun, et al., "Comparison of learring algorithms for handwritten ...
  • O. D. Trier , A.K. Jain, T. Taxt , «Feature ...
  • l.Suraluze, F. Boto, A.Perez، +Multi dimensional Multistage K-NN Classifiers for ...
  • Urszula Markows ka-Kaczmar, Pawel Kubacki, _ Support Vector Machines in ...
  • Cheng-Lin Liu, Kazuki Nakashima, Hiroshi Sako, Hiromichi Fujisawa, * Hardwritten ...
  • Douglas A. Reynolds, Richard C. Rose, ? Robust Text- Independent ...
  • نمایش کامل مراجع