تشخیص کاراکترها با طبقه بندی سازگار

تشخیص کاراکترها و حروف یک متن یکی از اعمالی است که بشر از دیرباز در پی نیل به آن بوده است و در این راه به پیشرفت های قابل توجهی دست یافته است. از جمله کاربردهای این مهم می توان به تشخیص پلاک خودرو، تشخیص دست خط احراز هویت، تبدیل متون کتاب به فایل قابل ویرایش و... اشاره کرد. در این مقاله با اجرای الگوریتم های مختلف (MLP ،Decision Tree ،Bayes ،IBL) و مقایسه آنها با یکدیگر روشی که بهترین بازدهی دارد را معرفی کرده و میزان قابلیت آن را با روش های دیگر مقایسه و در جداولی ارائه کرده ایم؛ در این بین الگوریتم IBL بهترین عملکرد را داشته و میزان خطای آن برای دسته بندی کاراکترها در مجموعه داده Holland-Style حدود ۴ درصد می باشد که عملکردی قابل قبول است.

کلیدواژه ها:

شبکه عصبی ، دسته بندی بیز ، مجموعه داده ، درخت تصمیم ، یادگیری براساس نمونه