Application of Support Vector Machines for Recognition of Handwritten Arabic/Persian Digits
- سال انتشار: 1381
- محل انتشار: دومین کنفرانس ماشین بینایی و پردازش تصویر
- کد COI اختصاصی: ICMVIP02_045
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1804
نویسندگان
Centre for Pattern Recognition and Machine Intelligence (CENPARMI)Department of Computer Science, Concordia University Suite GM ۶۰۶, ۱۴۵۵ de Maisonneuve Blvd. West,Montreal, Quebec, Canada H۳G ۱M۸
چکیده
A new method for recognition of isolated handwritten Arabic/Persian digits is presented. This method is based on Support Vector Machines (SVMs), and a new approach of feature extraction. Each digit is considered from four different views, and from each view 16 features are extracted and combined to obtain 64 features. Using these features, multiple SVM classifiers are trained to separate different classes of digits. CENPARMI Indian (Arabic/Persian) handwritten digit database is used for training and testing of SVM classifiers. Based on this database, differences between Arabic and Persian digits in digit recognition are shown. This database provides 7390 samples for training and 3035 samples for testing from the real life samples. Experiments show that the proposed features can provide a very good recognition result using Support Vector Machines at a recognition rate 94.14%, compared with 91.25% obtained by MLP neural network classifier using the same features and test set.کلیدواژه ها
Optical Character Recognition (OCR), Feature Extraction, Machine Learning, Support Vector Machine (SVM), Multiple Support Vector Classifiers, MLP Neural Networkمقالات مرتبط جدید
- بررسی جامع پتانسیلها و اثرات هوش مصنوعی و ChatGPT در پیشبرد و شکل دهی به فرآیندهای آموزشی مدرن
- بررسی کاربرد هوش مصنوعی در تعاملی سازی محیط یادگیری الکترونیکی
- تحلیلی از نقاط قوت و ضعف هوش مصنوعی در حل مسئله ریاضی
- استفاده از ChatGPT برای بهبود فعالیتهای آزمایشگاهی شیمی
- شخصی سازی آموزش و طراحی آموزشی به واسطه هوش مصنوعی در آموزش عالی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.