بازشناسی کلمات دست نوشته فارسی با استفاده از ویژگی هیستگرام گرادیان بهبود یافته و شبکه عصبی RBF مبتنی بر الگوریتم های خوشه بندی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 859
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EOESD01_273
تاریخ نمایه سازی: 11 خرداد 1393
چکیده مقاله:
دست نوشته های فارسی دارای خصوصیات خاصی هستندکه باعث شده بازشناسی آنها مشکل تر از زبان های دیگر باشد . در این مقاله روشی برایبازشناسی کلمات دست نوشته فارسی ارائه شده اکه مبتنی بر ویژگی هیستگرام گرادیان محلی است. این ویژگی بر اساس شکل کلمه دست نوشتهبرای در نظر گرفتن تغییرات وتنوع در نحوه نوشتن دسته نوشته ها بهبود یافته است. برای کلاسبندی کلمات دست نوشته، کلاسیفایر شبکه عصبیRBF به کار گرفته شده که پارامتر های توابع شعاعی توسط توالی الگوریتم های خوشه بندی سلسله مراتبی و ISOCLUS تعیین می شود . الگوریتمپیشنهادی بر روی پایگاه داده ایران شهر مورد ارزیابی قرار گرفته است که به دقت بازشناسی قابل قبولی رسیده است.
کلیدواژه ها:
بازشناسی کلمات دست نوشته فارسی ، ویژگی هیستگرام گرادیان محلی ، شبکه عصبی RBF ، الگوریتم خوشه بندی سلسله مراتبی ، الگوریتم خوشه بندی ISOCLUS
نویسندگان
الهام بایسته تاشک
کارشناس ارشد مهندسی برق،دانشگاه شاهرود
علیرضا احمدی فرد
استادیار دانشکده مهندسی برق، دانشگاه شاهرود
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 مقاله لینک شده اند :