هدیه ساجدی - دانشجوی دکتری، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوتر
منصور جم زاد - استادیار، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوتر
حسین ثامتی - استادیار، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوتر
باقر باباعلی - دانشجوی دکتری، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوتر

روش های آماری مانند مدل مخفی مارکوف به خوبی در مسائل بازشناسی گفتار مورد استفاده قرار گرفته اند. اخیر اً این متدها در بازشناسی دست نوشته نیز بکار گرفته شد ه اند. در این مقاله یک روش مبتنی بر گرو ه بندی، جهت بازشناسی حروف مجزای برخ ط فارسی مستقل از نویسنده، ارائه م یشود. مدلسازی با استفاده از مدل مخفی مارکوف انجام م یپذیرد و ویژگی های متعددی از دنباله نقاط نمونهبرداری شده از حروف دستنوشته، جهت تخمین پارامترها، استخراج شده است. آزمایشات مختلفی با ویژگیهای متفاوت دنباله نقاط و توپولوژ ی های گوناگون مدل مخفی مارکوف با استفاده از روش مبتنی بر گرو هبندی و روش مبتنی بر هر یک از حروف انجام گرفته و نتایج و تاثیر آنها بر دقت بازشناسی گزارش شده است. با گروه بندی حروفی که حرکات دست هنگام نوشتن آنها مشابه است و مدلسازی هر گروه، درصد خطای بازشناسی نسبت به روشی ک ه در آن برای هر یک از حروف، مدلی ایجاد م یشود ، 25,63 درصد کاهش یافته است . بهترین نتیجه با استفاده از ویژگ یهای مشتق زمانی مرتبه اول مولف ههای افقی و عمودی نقاط روی محورهای مختصات و تفاضل زوایای نقاط پی در پی، به دست آمده است.

مدل مخفی مارکوف، بازشناسی حروف، دست نوشته فارسی