رویکردی بر شناسایی الفبایModi Lipi با استفاده از الگوریتم باینری سازی اتسو و شبکه عصبی کوهونن

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