استفاده از الگوریتم ژنتیک در انتخاب مناسب ترین نواحی استخراج ویزگی در تشخیص اعداد دست نویس

شناسایی مناطق محلی که دارای ویزگی های مهمی در تشخیص باشند، یکی از وظایف عمده شناسایی الگو است. تاکنون روش استاندارد و همگانی برای تشخیص دقیق مناطق به دست نیامده است. در این جاروشی ارائه شده است که بعد از ناحیه بندی تصاویر اعداد دست نویس، بر روی این نواحی محلی الگوریتم ژنتیک اعمال می کند تا مجموعه ی بهینه را پیدا کند. این مجموعه دارای ویزگی های ممتازی است که به کمک این ویزگی ها می توانیم بین اعداد تمایز قائل شویم. در این کار به طور رندوم پنج مجموعه از نواحی محلی تولید شده است. سپس الگوریتم ژنتیک یک گروه از مناطق را که بهترین درصد تشخیص را دارا باشند بر اساس دسته بند ماشین بردار پشتیبان تولید می نماید. درصد تشخیص به دست آمده برابر با 88% است که اثر بخشی مدل ارائه شده را نشان می دهد.

کلیدواژه ها:

ناحیه محلی بهینه ، استخراج ویژگی ، الگوریتم ژنتیک ، ماشین بردار پشتیبان ، اعداد دست نویس