انتخاب ویژگی های مؤثر در بازشناسی ارقام دستنویس فارسی با الگوریتم تکاملی ژنتیک
Publish place: The first international conference of modern research engineers in electricity and computer
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 729
This Paper With 11 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:
CBCONF01_0200
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
انتخاب الگوی طبقه بندی مناسب و روش مورد استفاده برای استخراج ویژگی از عوامل اصلی برای قضاوت در مورد دقت وقابلیت تشخیص سیستم های نوری میباشد. تمرکز اصلی این مقاله بر روی انتخاب ویژگی های مؤثر در بازشناسی ارقامدست نویس فارسی با استفاده از الگوریتم تکاملی ژنتیک می باشد. ویژگی ها از طریق گرادیان در هشت جهت از هر تصویراستخراج می شود. برای طبقه بندی ارقام دست نویس از شبکه عصبی پرسپترون چند لایه استفاده شده است. استفاده ازبرخی عملیات پیش پردازش مانند نازک سازی، حذف نویزهای پس زمینه و پیش زمینه ، استاندارد سازی کردن اندازهتصویر قبل از استخراج ویژگی می تواند در نتایج خروجی مفید واقع شود. نتیجه بدست آمده با استفاده از این روش بر رویپایگاه دادهی هدا برابر 98.85 درصد بوده است.
Keywords:
استخراج ویژگی , سیستم های نوری , بازشناسی ارقام دست نویس , الگوریتم ژنتیک , گرادیان , شبکه عصبی پرسپترون چند لایه
Authors
ساناز یاسایی
دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه هرمزگان
احمد حاتم
استادیار گروه مهندسی برق و کامپیوتر دانشگاه هرمزگان
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 :