A New Approach in Persian Handwritten Letters Recognition Using Error Correcting Output Coding
- سال انتشار: 1394
- محل انتشار: مجله پیشرفت در تحقیقات کامپیوتری، دوره: 6، شماره: 4
- کد COI اختصاصی: JR_JACR-6-4_008
- زبان مقاله: انگلیسی
- تعداد مشاهده: 548
نویسندگان
Master Student at Department of Compputer Science, University College of Rouzbahan, Sari, Iran
Research Assistant of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China
Department of Electrical Engineering, Sari Branch, Islamic Azad University, Sari, Iran
چکیده
Classification Ensemble, which uses the weighed polling of outputs, is the art ofcombining a set of basic classifiers for generating high- performance, robust and morestable results. This study aims to improve the results of identifying the Persianhandwritten letters using Error Correcting Output Coding (ECOC) ensemble method.Furthermore, the feature selection is used to reduce the costs of errors in our proposedmethod. ECOC is a method for decomposing a multi-way classification problem intomany binary classification tasks; and then combining the results of the subtasks into ahypothesized solution to the original problem. Firstly, the image features are extractedby Principal Components Analysis (PCA). After that, ECOC is used for identificationthe Persian handwritten letters which it uses Support Vector Machine (SVM) as thebase classifier. The empirical results of applying this ensemble method using 10 real-world data sets of Persian handwritten letters indicate that this method has betterresults in identifying the Persian handwritten letters than other ensemble methods andalso single classifications. Moreover, by testing a number of different features, thispaper found that we can reduce the additional cost in feature selection stage by usingthis method.کلیدواژه ها
Persian Handwritten Letters Recognition, Classification Ensemble, Feature Selectionمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.