SVM فازی مبتنی بر خوشه بندی کوهونن چند لایه برای شناسایی ارقام دست نویس

دراین مقاله ساختار جدیدی معرفی می گردد بطوریکه کلاسهایی با همپوشانی دادگان بالا راحت تر و با خطای کمتر بتوانند از هم تفکیک گردند. روش پیشنهادی برمبنای ساختار کوهنن دولایه می باشد که از این ساختار به منظور استفاده از خوشه بندی اولیه داده های اموزش استفاده می گردد که هدف از آن افزایش بعد داده های ورودی به صورت هدفمند است تا اینکه این کلاسها بتوانند با دقت بیشتری توسط طبقه بند از هم جداشوند. به دلیل اینکه داده های ورودی همپوشانی بالایی دارند بنابراین به طبقه بندی کننده ای نیاز داریم که ماکزیمم حاشیه اطمینان را برای تفکیک کلاسها از هم داشته باشد به همین سبب از طبقه بند SVM استفاده می کنیم و از انجایی که این طبقه بند از خوشه های مختلفی استفاده می کند بصورت طبقه بندی کننده SVM فازی درامده است این الگوریتم را با داده های دهگانه ارقام دستنویس فارسی تست کرده و نتایج نشانگر برتری این الگوریتم در برابر روشهای کلاسیک SVM و MLP و همچنین روشهای 1و2 است.