کلاسبندی حروف الفبای فارسی با استفاده از نرم افزار متلب

در این مقاله کلاسبندی حروف الفبای فارسی با استفاده از نرم افزار متلب را بررسی می کند. یکی از اولین مسائلی که شبکه های عصبی به عنوان گزینه ای برای حل آن مطرح شد، بازشناسی شناسه ها بود. امروزه، شبکه های عصبی مصنوعی به صورت گسترده در بازشناسی و تحلیل اسناد به کار می رود. بیشتر این تلاشها به بازشناسی شناسه های مجزای دست نویس و چاپی اختصاص داشته ، که اغلب با موفقیت همراه بوده است . تنوع شبکه های عصبی مورد استفاده در این حوزه قابل توجه است . بازشناسی حروف دستنویس فارسی امروزه یکی از مسائل مهم و مورد نیاز در تمام حوزه بشمار می رود که این نوع بازشناسی به خاطر انواع مختلف دست خط و ویژگی های حروف فارسی ، دارای پیچیدگی خاصی است که کار تشخیص را مشکل می کند. ما در این پروژه موفق شدیم با استفاده از ساده ترین ویژگی های ساختاری که به راحتی و با کمترین هزینه قابل استخراج هستند بدونه عمل حذف نویز از حروف با ابزارهای شبکه عصبی در نرم افزارهای متلب به دقت ۷۳.۹۱%دست یابیم .

کلیدواژه ها:

بازشناسی حروف دستنویس فارسی ، استخراج ویژگی ، OCR فارسی