ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Static Persian Sign Language Recognition usingKernel-based Feature Extraction

سال انتشار: 1390
کد COI مقاله: ICMVIP07_144
زبان مقاله: انگلیسیمشاهد این مقاله: 1,250
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 5 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Static Persian Sign Language Recognition usingKernel-based Feature Extraction

Milad Moghaddam - DSP Research Lab, Department of Electrical and Electronic Engineering, University of GuilanRasht, Iran
Manoochehr Nahvi - DSP Research Lab, Department of Electrical and Electronic Engineering, University of GuilanRasht, Iran
Reza Hassanzadeh Pak - DSP Research Lab, Department of Electrical and Electronic Engineering, University of GuilanRasht, Iran

چکیده مقاله:

The most effective way for deaf peoplecommunication is sign language. Since most people are notfamiliar with this language, there is a requirement for a signlanguage translator system. This would be a useful toolspecifically in emergency situations. A further need is facilitationof deaf people communication in cyberspace. Sign languagegestures can be divided in two groups, including gesturesrepresent the alphabets and those which are arbitrary signsrepresenting specific concepts. The first group is usuallyintroduced by the pose of hands and they are called postureswhile the second group usually includes motion of the hands. Thispaper evaluates the efficiency of kernel based feature extractionmethods including kernel principle component analysis (KPCA)and kernel discriminant analysis (KDA) on Persian sign language(PSL) postures. To compare the impact of features on signs’recognition rate, classifiers such as minimum distance, supportvector machine (SVM) and Neural network (NN) is used.Experimental trials indicate higher recognition rate for thekernel-based methods in comparison to those of other techniquesand also previous works on PSL recognition.

کلیدواژه ها:

Pattern recognition; feature extraction; kernelbasedfeatures; support vector machine; neural network; signlanguage recognition; PSL

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/159178/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Moghaddam, Milad و Nahvi, Manoochehr و Hassanzadeh Pak, Reza,1390,Static Persian Sign Language Recognition usingKernel-based Feature Extraction,هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران,تهران,,,https://civilica.com/doc/159178

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390, Moghaddam, Milad؛ Manoochehr Nahvi و Reza Hassanzadeh Pak)
برای بار دوم به بعد: (1390, Moghaddam؛ Nahvi و Hassanzadeh Pak)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 ممقالهقاله لینک شده اند :

  • neural networks, " Expert Systems with Applications, vol. 32, pp. ...
  • D. Jiangwen and H. T. Tsui, "A PCA/MDA scheme for ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 12,006
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی