سیدعلی اصغر عباس زاده آرانی - دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس ، تهران
احسان اله کبیر - دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران

در این مقاله یک روش طبقهبندی جمعی بر اساس یادگیری با همبستگی منفی برای بازشناسی کل نگر کلمات دستنویس با حجم محدود پیشنهاد میشود. در این روش پس از پیش پردازش، بردارهای ویژگیهای مبتنی بر ناحیه بندی، گرادیان و کد زنجیرهای ازتصاویر استخراج میشود. هر یک از این بردارها به مجموعهای از طبقهبندهای شبکه عصبی پرسپترون چندلایه اعمال میشوند. طبقهبندهای پایه بر اساس یادگیری با همبستگی منفی، آموزش داده شده و از این طریق گوناگون میشوند. در نهایت خروجی این طبقهبندها از طریق قواعد میانگین، بیشینه، حاصلضرب، رایگیری و کلیشه تصمیم ترکیب میشوند. در آزمایشهایی که روی تصاویرنام 31 مرکز استان از مجموعه داده ایرانشهر انجام شده است، ویژگیهای مبتنی بر گرادیان و آموزش با همبستگی منفی و ترکیب از طریق رایگیری، بیشترین نرخ بازشناسی را به دست داده است

بازشناسی کلمات دستنویس فارسی، ناحیهبندی، گرادیان، کد زنجیرهای، شبکه عصبی پرسپترون چندلایه ، ترکیب طبقه بندها،یادگیری با همبستگی منفی