بررسی بهبود نرخ بازشناسی اعداد فارسی با استفاده از روش های خوشه بندی قطعی و غیرقطعی
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 351
فایل این مقاله در 10 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:
CSIEM02_177
تاریخ نمایه سازی: 27 تیر 1400
چکیده مقاله:
بهبود نرخ بازشناسی یکی از مباحث پایه ای حوزه بازشناسی الگو محسوب می شود. در این پژوهش تلاش شده تا با ارائه الگوریتمی بهبود یافته و مبتنی بر خوشه بندی، بازشناسی اعداد دست نویس فارسی با دقت قابل توجهی صورت پذیرد. آموزش و شناسایی الگوها در این پژوهش با استفاده از روش شبکه عصبی احتمالاتی میسر گردیده است، به این صورت که پس از استخراج ویژگی های مکان مشخصه و ناحیه ای از داده های آموزشی، این ویژگی ها با استفاده از خوشه بندی شده و شبکه عصبی احتمالاتی با استفاده از مراکز خوشه ها آموزش می بیند. تعداد بهینه خوشه های هر FCM و PAM ،k-means روش های کلاس با استفاده از الگوریتم بهینه سازی جمعیت ذرات با تابع سازگاری نرخ بازشناسی داده های آموزشی تعیین می شود. بهبود قابل ملاحظه در نرخ بازشناسی اعداد دست نویس در این الگوریتم نسبت به حالت بدون خوشه بندی تایید کننده عملکرد مناسب این شیوه است.
کلیدواژه ها:
نویسندگان
علی میری
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه صنعتی شریف، تهران
مجید خدمتی
استادیار گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه صنعتی شریف، تهران