تشخیص ارقام دست نویس فارسی با استفاده از ادغام طبقه بندها با استفاده ازتصمیم گیری چند معیاره فازی

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 581

This Paper With 7 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

AEBSCONF01_301

تاریخ نمایه سازی: 6 آبان 1393

Abstract:

طبقه بندی مجموعه ای از ارقام دست نویس به معنی اختصاص هر تصویر به یکی از دسته های از پیش تعیین شده است.با توجه به این که معمولاً تعداد تصاویر بسیار زیاد است، کدام دسته است را دریافت کرده و آموزش می بیند . سپس در مرحله ازمون تعدادی تصویر که از قبیل برچسب آن ها را نمی دانیم به ماشین داده می شود که کار طبقه بندی را روی آن ها انجام دهد. با این نگاه مساله طبقه بندی ارقام به یک مسئله یادگیری ماشین تبدیل شده است به طور کلی یک ماشین دارای دو بخش اساسی استخراج ویژگی و طبقه بندی کننده است. در بخش استخراج ویژگی به ازای هر تصویر یک بردار ویژگی که معرف ویژگی های بارز تصویر ورودی است استخراج می شود و سپس این بردارهای ویژگی برای آموزش و آزمایش طبقه بندی کننده مورد استفاده قرار می گیرند. اگرچه تغییرات ابتکاری در هر دو زمینه سخت افزای و نرم افزار در مدت 22 سال گذشته وجود داشته است، هم چنان مباحث نفی بسیاری برای موفقیت در کاربردی ساختن دست خط به واسطه ی وجه مشترک انسان با رایانه ها وجود دارد.

Authors

امیربهادر بیات

کارشناسی ارشد الکترونیک،

رضا پاژنگ

کارشناسی ارشد کنترل

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 :
  • L, Malik2008. A Survey of Methods and Strategies for Feature ...
  • Parvez, Mohammad Tanvir, and Sabri A. Mahmoud, 2013.Offline arabic handwritten ...
  • Jayadevan, R., et al, 2012 .Automatic processing of handwritten bank ...
  • Foroozandeh, Atefeh, et al. 2012 .A NOVEL AND PRACTICAL SYSTEM ...
  • Kamranian, Zahra, S. Amirhassan Monadjemi, and Naser Nematbakhsh, 2013.A novel ...
  • Kumar, K. Siva, and D. Uma Devi. 2012 .Handwritten ZP ...
  • A. Falcao, 2010 .Shape feature extraction and description based on ...
  • S. Chau. 2007.An Efficient Shape Representation And Description Technique .Wilfrid ...
  • F. B.-A. R. E Saeed Reza Kheradpisheh. 2013 .Combining classifiers ...
  • C.-H. W. B.-H. X. L.-B. Z. Yun-Xue SHAO. 2013 _ ...
  • M. _ Faez. 1997 _ Handwritten Character Recognition With Moment ...
  • H. Shiral i-Shahreza, K. Faez and A. Khotanzad, 1995 .Recognition ...
  • Alaei, Alireza, Pal, Umapada and Nagabhushan, P. 2009. Using Modified ...
  • Ping Zhang, Bui, Tien D. and Suen, Ching Y. 2007. ...
  • H. Parvin, H. Alinej ad-Rokny, and S. Parvi. 201 1. ...
  • Shen-Wei Le _ 2008. Effective multip le-features extraction for off-line ...
  • Rajashe kararadhya, S.V, "Neural network based handwriten numeral recognition ofKannada ...
  • N. D. a. B. Triggs, 2005 .Histograms of oriented gradients ...
  • Chuan-Yu Chang .2006. Image Classification using a Module RBF Neural ...
  • Yi Gao, Xiaoming Fang.20 10.Research On strip surface defect classifier ...
  • Muenzing, S.E..A.2012. DIRBoost: An algorithm for boosting deformable image registration. ...
  • Kavitha, C.2010. Impl ementation of fuzzy multi criteria decision technique ...
  • نمایش کامل مراجع