انتخاب بهینه ی ویژگی های تاثیر گذار بر دسته بند به کمک الگوریتم ژنتیک در سیستم بازشناسی ارقام دست نویس فارسی
Publish place: 11th Iranian Student Conference on Electrical Engieering
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,303
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:
شناسه ملی سند علمی:
ISCEE11_074
تاریخ نمایه سازی: 15 اسفند 1386
Abstract:
نفرین بعدیت یکی از مشکلات دسته بندی است . هرچه ابعاد مساله بزرگ تر باشد، هزینه ی دسته بندی بالاتر رفته، به علاوه این که می تواند باعث خطا در دسته بندی شود . در این مقاله نفرین بعدیت به عنوان مساله بهینه سازی مطرح شده و با دو ابزار احتمالاتی و الگوریتم ژنتیک به سمت انتخاب موثرترین ویژگی ها در جهت کاهش ابعاد مساله حرکت می کنیم . روش احتمالاتی به وسیله تکرار در استفاده از دسته بند بیزین با ویژگی های مختلف پیاده سازی می شود . الگوریتم ژنتیک نیز با تولید کروموزوم های مختلف، که در هر کروموزوم تعدادی ویژگی حضور وتعدادی حضور ندارند ارائه می شود . نتایج نشان داد که در مرحله آموزش بخاطر تکرار در جهت یافتن ویژگی های بهینه هزینه آموزش بویژه در استفاده از الگوریتم ژنتیک بسیار بالا است . اما در مرحله تست به علت کم شدن ابعاد مساله هزینه بسیار کاهش یافته و نتایج بهتری حاصل شده است که الگوریتم ژنتیک در این راه موفق تر بوده است . در واقع هرچه برای آموزش زمان و هزیته گذاشته شود در مرحله تست و کاربرد سیستم جبران خواهد شد این مقاله همچنین از روش قاب بندی برای استخراج ویژگی ها استفاده می کند . این روش با یک تغییر کوچک در مرحله پیش پردازش برای هر زبانی با هر قلمی و هر اندازه ای می تواند کارا باشد . نمونه های استفاده شده بصورت دستی جمع آوری و پردازش شده اند .
Keywords:
Authors
سیدمجید غفوری
دانشکده مهندسی دانشگاه آزاد اسلامی واحد مشهد – گروه هوش مصنوعی
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 :