On the Performance of Multiwavelets for Handwritten Numeral Recognition
Publish place: 14th Iranian Conference on Electric Engineering
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: English
View: 1,604
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
ICEE14_207
تاریخ نمایه سازی: 25 تیر 1387
Abstract:
In this paper we study the recognition of contour-base hand written numeral characters using Multiwavelets and neural networks. For reaching this purpose, in the first step we extract numerals chain code by tracing their contours. Then we perform multiwavelet transform on it to prepare the appropriate features. Finally by employing the feed forward neural network we classify them into predefined classes. The neural network was trained with handwritten numeral database, MNIST. The experiments have demonstrated that the multiwavelet and neural network system is able
to more correct recognition of digits of the MNIST test set.
Keywords:
Authors
Farhad Mohamad Kazemi
Islamic Azad University Mashad, IRAN
Hamid Reza Poorreza
Ferdowsi University Mashad, IRAN
Ali Akbari
Ferdowsi University Mashad, IRAN
Kambiz Rahbar
Islamic Azad University Mashad, IRAN
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 :