صدیقه ایلدرآبادی - دانشگاه آزاد اسلامی فلاورجان
محمد ابراهیمی - دانشگاه آزاد اسلامی مجلسی
مهدی یعقوبی - دانشگاه آزاد اسلامی واحد مشهد
حمیدرضا پوررضا - دانشگاه فردوسی مشهد

در این مقاله برای شناسایی علایم از دسته بندی کننده ها RBFnetwork "MultiClassClassifier " BayseNet " SMO " MLP و الگوریتم های FKNNC "KNN و FRNNC استفاده شد. ویژگی های مبتنی بر نمایش و ویژگی های آماری از تصاویر استخراج شدند و هر کدام به طور مجزا به دسته بندی کننده ها داده شدند. در مقایسه دیده شد که ویژگی های مبتنی بر نمایش نسبت به ویژگی های آماری، نتایج بسیار بهتری داشت.

بینایی ماشین، حالات و اشارات دست، شناسایی علایم ایستای زبان، ویژگی های آماری، ویژگی های مبتنی بر نمایش