سیدحسن نبوی کریزی - دانشجوی دکتری الکترونیک
رضا ابراهیم پور - مدرس گروه الکترونیک دانشگاه تربیت دبیر شهید رجایی
احسان اله کبیر - دانشیار بخش مهندسی برق دانشگاه تربیت مدرس

دراین تحقیق برای بهبود بازشناسی ارقام دستنویس از ترکیب طبقه بندهایی استفاده میشود که از یک الگوریتم یادگیری دو مرحله ای بهره می گیرند ازتصویر هررقمدستنویس یک بردار ویژگی با 81 مولفه استخراج می شود به روش تحلیل مولفه های اصلی یک بردار ویژگی با پانزده مولفه برای هر رقم انتخاب شده و به سه شبکه عصبی پرسپترون با تعدادنرونهای متفاوت در لایه مخفی و وزنهای اولیه متفاوت اعمال شده و بازشناسی مستقل درهر طبقه بند صورت می گیرد درمرحله بعد نتایج بازشناسی این سه طبقه بند به یک شبکه عصبی پرسپترون با یک لایه مخفی به عنوان ترکیب کننده اعمال میشود پایگاه داده استفاده شده شامل 2430نمونه است نرخ بازشناسی شبکه های عصبی پایه برروی 530 نمونه آزمایشی 87% ، 85% و 83% و برای سیستم مرکب 91% است.

بازشناسی ارقام، ترکیب طبقه بندها، شبکه عصبی پرسپترون ، مکان مشخصه، تحلیل مولفه های اصلی