کاهش فضای جستجو برای بازشناسی زیرکلمات تایپی فارسی با استفاده از ویژگی های ساده، کوانتیزاسیون ویژگی و ترکیب طبقه بندها

در این مقاله روشی برای کاهش فضای جستجو در بازشناسی زیرکلمات چاپی فارسی ارائه می شود. ابتدا ۱۰ ویژگی ساده از زیرکلمه استخراج می شود. با استفاده از مفهوم کوانتیزاسیون و با توجه به بازه تغییرات هر ویژگی روی همه داده های آموزشی ویژگی ها کوانتیزه شده و به اعداد صحیحی تبدیل می شوند. با استفاده از هر ویژگی و فاصله آن تا ویژگی متناظر هر کدام از نمونه های آموزشی، به هر کلاس امتیازی داده می شود. با اعمال همه ویژگی ها،  هر کلاس به ازای هر ویژگی یک امتیاز دارد که با ترکیب این امتیازات با اعمال جبری یک امتیاز نهایی برای هر زیرکلمه بدست می آید که با مرتب کردن آنها و انتخاب تعدادی از آنها که امتیاز بیشتری دارند، فضای جستجو محدود می شود. از اعمال جبری جمع، ضرب، بیشینه، کمینه و جمع وزن دار برای ترکیب امتیازات استفاده شده است. روش جمع وزن دار، که وزن های بهینه با الگوریتم بهینه سازی جمعیت ذرات تعیین شده اند، بهترین پاسخ را داده است.

کلیدواژه ها:

Farsi Subwords Recognition ، Particle Swarm Optimization (PSO) ، Fusion of Classifiers ، Search space reduction ، Feature Quantization