مقایسه و بررسی برخی روش های یادگیری در دسته بندی حروف دستنویس گسسته فارسی

رده پای ایده تشخیص نویسه نوری را می توان در فعالیت هایی به منظور کمک به افراد نابینا جستجو کرد یا به طور کلی هدف ازبررسی آن ساخت دستگاهی است، که بتواند کار خواندن را برای افرادی که قادر به خواندن نیستند انجام دهد. با گذشت چند سالاز اولین سیستم پیاده سا زی شده برای تشخیص نویسه و با توجه به مشکلاتی که در حروف دستنویس فارسی و عربی در مقایسه باحروف لاتین وجود دارد، هنو هم تحقیقات در حوزه شناسایی حروف دستنویس فارسی و عربی به منظور بالا بردن صحت دقت،سرعت در شناسایی حروف، مقاوم بودن در مقابل نویز، افزایش تعمیم پذیری، انتخاب دسته بند مناسب و ... ادامه دارد. در اینمقاله پس از مرور کلی کارهای انجام شده در حوزه بازشناسی حروف فارسی و انواع آن، ابتدا چند روش برای استخراج ویژگی برروی حروف دستنویس گسسته فارسی و نحوه استخراج آنها معرفی می شود و سپس با استفاده از انواع روش های داده کاوی نظیرشبکه عصبی، ماشین بردار پشتیبان، درخت تصمیم، سیستم استنتاج فازی، سیستم استنتاج فازی بر پایه شبکه عصبی و کانزدیکترین همسایه با ذکر نحوه پیاده سا زی بعضی از آنها برروی حروف دستنویس گسسته فارسی عمل دسته بندی انجام شده ونتایج هر یک ا این دسته بندها با یکدیگر مقایسه می شود و در نهایت با توجه به نتایج مشاهده شده بهترین دسته بند به منظورباز شناسی حروف دستنویس گسسته فارسی انتخاب می شود.

Keywords:

کانزدیک ترین همسایه , درخت تصمیم , ماشین بردار پشتیبان , استخراج ویژگی , حروف دستنویس گسسته فارسی , شبکه عصبی , سیستم استنتاج فازی , باز شناسی الگو