تشخیص کاراکترها با استفاده از مجموعه دادهHolland-Style Adaptive Classifier

تشخیص کاراکترها و حروف یک متن یکی از اعمالی است که بشر از دیرباز در پی نیل به آن بوده است و در این راه به پیشرفت های قابل توجهی دست یافته است. از جمله کاربردهای این مهم میتوان به تشخیص پلاک خودرو، تشخیص دست خط جهت احراز هویت، تبدیل متون کتاب به فایل قابل ویرایش و... اشاره کرد. در این مقاله با اجرای الگوریتم های مختلف (IBL, MLP, Decision Tree, Bayes) و مقایسه آن ها با یکدیگر روشی که بهترین بازدهی دارد را معرفی کرده و میزان قابلیت آن را با روش های دیگر مقایسه و در جداولی ارایه کردهایم؛ در این بین الگوریتم IBL بهترین عملکرد را داشته و میزان خطای آن برای دسته بندی کاراکترها در مجموعه داده Holland-Style حدود 4 درصد میباشد که عملکردی قابل قبول است.

کلیدواژه ها:

شبکه عصبی ، دسته بندی بیز ، مجموعه داده ، درخت تصمیم ، یادگیری براساس نمونه