بهینه سازی سیستم بازشناسی ارقام دستنویس فارسی براساس انتخاب اگاهانه ویژگیهای تاثیرگذار برافزایش نرخ بازشناسی طبقه بند فازی با استفاده از دو الگوریتم مبتنی بر جمعیت باینری

انتخاب ویژگی یکی از مباحث مورد توجه در مبحث بازشناسی الگو است با انتخای اگاهانه ویژگیهای تاثیر گذار بر افزایش نرخ بازشناسی از میان کل ویژگیهایی که استخراج می شود می توان هزینه های محاسباتی را کاهش داده و از استخراج ویژگیهای غیرضروری خودداری کرد دراین مقاله از الگوریتم بهینه سازی جمعیت ذرات باینری BPSO و الگوریتم ژنتیک باینری BGA که هر دو از سری الگوریتم های مبتنی بر جمعیت می باشند برای پیدا کردن بهترین گروه از ویژگیها برای بازشناسی فازی ارقام دستنویس استفاده شده است تابع برازندگی دراین دو الگوریتم تعداد خطاهای طبقه بندی کننده فازی می باشد و هدف مینیمم کردن این مقدار است نتایج به دست امده عملکرد مناسب الگوریتم های مبتنی بر جمعیت را با کاهش تعداد ویژگیها و افزایش نرخ بازشناسی تایید می کند.

کلیدواژه ها:

انتخاب ویژگی ، الگوریتم ژنتیک ، بهینه یابی گروه ذرات باینری ، طبقه بندی کننده فازی ، ارقام دستنویس فارسی ، بازشناسی ارقام