CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تشخیص حروف دستنویس فارسی با استفاده از حسگر شتابسنج و الگوریتمهای یادگیری ماشین

عنوان مقاله: تشخیص حروف دستنویس فارسی با استفاده از حسگر شتابسنج و الگوریتمهای یادگیری ماشین
شناسه ملی مقاله: COMCONF04_141
منتشر شده در چهارمین کنفرانس بین المللی مهندسی برق و کامپیوتر در سال 1395
مشخصات نویسندگان مقاله:

فرشید اسدی - مدرس موسسه آموزش عالی جویندگان علم، کوهدشت، لرستان
رسول صیدی پیری - مدرس مرکز علمی کاربردی الشتر ۱ ، الشتر، لرستان،
زینب نوری - دانشجویی کارشناسی ارشد رشته نرم افزار،موسسه غیرانتفاعی زاگرس، کرمانشاه
امین لطفی پور - دانشجوکارشناسی ارشد نرم افزار موسسه آموزش عالی پویش قم،

خلاصه مقاله:
یکی از چالشهای مهم در سیستمهای کامپیوتری، تعامل کاربر با این سیستمها است. برای بر طرف کردن این مشکل میتوان از تشخیص گفتار، تشخیص نشانه بر اساس تصویر و تشخیص حرکت براساس دستگاههای حرکتی استفادهکرد. از بین روشهای گفته شده، میتوان از سیگنالهای حرکتی، به دلیل اینکه به شرایط محیطی کمتری وابستگی دارند و همچنین ارزان و کمهزینهتر هستند، برای تعامل کاربر با سیستمهای کامپیوتری استفاده کرد. در این مقاله با استفاده ازسیگنالهای دریافتی از شتابسنج یک روش جدید برای تشخیص حروف دستنویس فارسی ارایه شده است. به این صورت که با حرکت خودکار بر روی یک سطح مسطح، حسگرهای شتابسنج نصب شده بر روی دستگاه، اطلاعات شتاب و انحرافزاویهای را محاسبه میکنند. این اطلاعات بهدست آمده به دستگاه ارسال میشود. پس از دریافت دادهها به دلیل اینکهدارای نویز میباشند با استفاده از فیلتر باترورث پیشپردازش میشوند. بعد از پیشپردازش، ویژگیهای آماری و فرکانسی نظیر واریانس، میانگین، میانه، تبدیل فوریه و تجزیه مقادیر تکین آنها استخراج میشوند و در نهایت با استفاده ازالگوریتمهای نزدیکترین همسایه و درخت تصمیم حروف دستنویس فارسی تشخیص داده میشود. در این پژوهش از هرکاربر 32 حرف فارسی که این حروف از 10 نفر بین 15 تا 45 سال گرفته شده است و از هر نفر خواسته شده است که هرحرف را 10 بار با یک سرعت متوسط بنویسند. بنابراین در مجموع 3200 نمونه برای این پژوهش جمعآوری شده است. نمونهها با فرکانس 50 هرتز گرفته شدهاند. نتایج شبیهسازی نشان میدهد، میزان دقت تشخیص حروف دستنویس فارسی با استفاده از الگوریتم درخت تصمیم و نزدیکترین همسایه به ترتیب برابر 87.97 درصد و 85 درصد است

کلمات کلیدی:
پردازش سیگنال، حسگر شتابسنج، ویژگیهای آماری و فرکانسی، درخت تصمیم، نزدیکترین همسایه

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/609013/