رویکردی بر شناسایی الفبایModi Lipi با استفاده از الگوریتم باینری سازی اتسو و شبکه عصبی کوهونن
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 815
فایل این مقاله در 5 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:
TEDECE02_018
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
شناسایی حروف برای انسان ها امری ساده اما ساختن نرم افزاری که بتواند حروف را شناسایی کند بسیار پیچیده است. یک نوع الفبای هندی با حروف شکسته معروف به الفبایModi برای نوشتن زبان های مختلفی مثل هندی، گجراتی، کانارا، فارسی، تامیل و تلوگو بکار می رود. هدف ما طراحی سیستم شناسایی حروفی است که قادر باشد حروف چاپی و دست نویس Modi را با سرعت الکترونیکی با اسکن فایل ها شناسایی نماید. در عمل طراحی یک سیستم شناسایی حروف شکسته CCRS که بتواند دقت شناسایی بالا را بدون توجه به کیفیت فایل های ورودی حفظ کند مسئله ای دشوار است. ما سیستم شناساگر حروف الفبای MSCR( Modi را با استفاده از الگوریتم باینری سازی اتسو و روش شبکه عصبی کوهونن طراحی کرده ایم. ما 22 حرف مختلف الفبای Modi از جمله صامت ها و مصوت ها را برای آموزش سیستم با استفاده از شبکه عصبی کوهونن درنظر گرفته ایم. مجموعه داده های نمونه )تصاویر آموزشی( از حروف باگرفتن نمونه های دست نویس از افراد مختلف نگهداری شده است. این تصاویر برای آموزش به سیستم بکار می رود. نتایج بدست آمده کارآمدی تکنیک شناساییپیشنهادی را ثابت می کند. ما برای حروفی که به لحاظ شکل و ساختار مشابهت دارند نرخ شناسایی پایین تری بدست آوردیم. درمجموع، یک نرخ شناسایی قابلقبول 6227 % در مورد حروف دست نویس بدست آمده است
کلیدواژه ها:
سیستم شناسایی حروف شکستهCCRS ، سیستم شناساگر حروف الفبای ، )MSCR( Modi ، الگوریتم باینری سازی اتسو ، شبکه عصبی کوهونن ، تحلیل مولفه همبندی CCA
نویسندگان
محمدمیثاق جواهریان
استاد دانشگاه آزاد اسلامی واحد اندیشه
علی برومندنیا
استادیار دانشگاه آزاد اسلامی واحد تهران جنوب
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 :