CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بهبود در بازشناسی کلمات دست نوشته فارسی با استفاده از الگوریتم های یادگیرنده تجمعی

عنوان مقاله: بهبود در بازشناسی کلمات دست نوشته فارسی با استفاده از الگوریتم های یادگیرنده تجمعی
شناسه ملی مقاله: ICIRES01_105
منتشر شده در کنفرانس بین المللی نوآوری وتحقیق در علوم مهندسی(ICIRES ۲۰۱۸) در سال 1397
مشخصات نویسندگان مقاله:

الهام صدری - کارشناسی ارشد مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد ساوه، ساوه، ایران
رضا ابراهیم پور - دانشیار گروه مهندسی کامپیوتر، عضو هیا علمی دانشگاه شهید رجایی، تهران، ایران

خلاصه مقاله:
در اوایل ده ه 90 میلادی ایده استفاده از چند طبقه بند ساده تر به جای یک طبقه بند پیچیده مطرح شد. هدف این مقاله، ارایه یک روش ترکیبی جدید برای شناسایی کلمات دست نوشته فارسی است. بردار ویژگی استخراج شده توسط پرسپترون چند لایه کلاس بندی میشوند. سپس خروجی پرسپترون چند لایه توسط روش بیز ساده ترکیب میشوند. آزمایشها بر روی پایگاه داده ایران شهر پیاده سازی شده است. این پایگاه داده شامل 780 نمونه از اسامی 30 شهر ایران است که 600 نمونه برای آموزش و 180 نمونه برای آزمایش بکار رفته است. نتایج نشان میدهد که روش همجوشی بر اساس این الگو برتر از سایر طرحها میباشد. نرخ بازشناسی توسط روش پیشنهادی برابر با 96/44 درصد میباشد که نسبت به روشهای کلاسیک بیان شده در تحقیقات پیشین، % 4/89 بهبود را نشان میدهد.

کلمات کلیدی:
بازشناسی الگو، شناسایی کلمات دست نوشته فارسی، استخراج ویژگی، پرسپترون چند لایه، ترکیب طبقه بندها، بیز ساده

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/787421/