توسعه ی الگوریتم بازشناسی اعداد دست نویس فارسی، بر پایه ی الگوریتم های طبقه بندی شبکه ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشه
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 54
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SJIE-39-1_002
تاریخ نمایه سازی: 3 آبان 1402
چکیده مقاله:
در این پژوهش تلاش شده است تا با ارائه ی الگوریتمی بهبودیافته و مبتنی بر خوشه بندی، بازشناسی اعداد دست نویس فارسی با دقت قابل توجهی صورت پذیرد. بر این اساس، آموزش و بازشناسی الگوها به کمک شبکه ی عصبی احتمالاتی و چندلایه ی پرسپترون میسر شده است، به این صورت که پس از استخراج دو دسته ویژگی مکان مشخصه و ناحیه یی از داده های آموزشی، داده های هریک از کلاس های دهگانه بر اساس هر ویژگی با استفاده از روش های پیوند کامل، P A M و F C M خوشه بندی شده و کلاس های دهگانه ی جدید حاصل از خوشه بندی، توسط یکی از دو الگوریتم طبقه بندی کننده آموزش می بینند. تعداد بهینه خوشه های هر کلاس با استفاده از الگوریتم بهینه سازی جست وجوی ممنوعه با تابع برازندگی نرخ بازشناسی تعیین می شود. میزان دقت الگوریتم در نهایت با استفاده از داده های آزمایش مورد سنجش قرار می گیرد و با توجه به نتایج ملاحظه می شود که الگوریتم پیشنهادی، بازشناسی اعداد دست نویس فارسی را با دقت بالایی انجام می دهد.
کلیدواژه ها:
نویسندگان
علی میری
دانشکده ی مهندسی صنایع، دانشگاه صنعتی شریف
مجید خدمتی
دانشکده ی مهندسی صنایع، دانشگاه صنعتی شریف