ترکیب الگوریتم SVM و Naive Bayes برای تشخیص ارقام دست نوشته فارسی
Publish place: 1st National Innovation Conference on Computer Engineering and Information Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,376
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEIT01_020
تاریخ نمایه سازی: 9 تیر 1393
Abstract:
تکنیک های هوش مصنوعی، اغلب در دامنه های مختلفی مانند تشخیص کاراکترها، تشخیص چهره، داده کاوی، تشخیص خطا، تشخیص الگو، تشخیص طبی، زیست شناسی وغیره بکار گرفته می شوند. تشخیص کاراکترهای دست نوشته، یکی از شاخه های تشخیص کاراکتر نوری به حساب می آید که در چند دهه اخیر مورد توجه محققان قرار گرفته است. هدف از این پژوهش، تشخیص ارقام دست نوشته فارسی است که شامل سه مرحله پیش پردازش، استخراج ویژگی و دسته بندی می باشد. هدف از پیش پردازش، بهبود کیفیت تصاویر ارقام دست نوشته فارسی بوده است. در مرحله استخراج ویژگی، مهمترین ویژگی ها بمنظور تشخیص کاراکترها از یکدیگر استخراج می شوند. در مرحله بندی ، نمونه های مشابه در یک گروه قرار گرفته و نمونه های متفاوت در گروه های مختلف قرار می گیرند. ما در مرحله استخراج ویژگی 196 ویژگی مناسب با استفاده از روش فریم بندی از روی تصاویر ارقام دست نوشته فارسی استخراج کردیم، در مرحله دسته بندی، از الگوریتم های هوش مصنوعی بمنظور جداسازی ارقام دست نوشته فارسی استفاده نمودیم . با وجود اینکه پایگاه داده های متفاوتی برای ارقام دست نوشته فارسی وجود داشت، اما ما از بزرگترین و مهمترین پایگاه داده ارقام دست نوشته فارسی، یعنی پایگاه داده ارقام هدی، متشکل از 80000 رقم دست نوشته فارسی اسفتاده کردیم ، که 60000 نمونه را برای آموزش و 20000 نمونه را برای آزمایش سیستم در نظر گرفتیم. بهترین دقت در روش پیشنهادی ما 99/34 درصد بود. که با ترکیب الگوریتم NaiveBayesو SVM به دست آمد.
Keywords:
تشخیص ارقام دست نویس فارسی , پیش پردازش , استخراج ویژگی , دسته بندی , ترکیب الگوریتم NaiveBayes و SVM
Authors
مسعود سبزعلی
دانشجوی کاشناسی ارشد واحد علوم و تحقیقات کهگیلویه و بویراحمد، گروه آموزشی کامپیوتر، یاسوج
رضا اکبری
عضو هیئت علمی دانشگاه صنعتی شیراز، گروه آموزشی کامپیوتر، شیراز
مهدی محرابی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد شیراز، گروه آموزشی کامپیوتر، 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 :