معرفی دو روش جدید استخراج ویژگی از ارقام دستنویس فارسی مبتنی بر تعداد حالتهایهمسایگی خاص پیکسل ها

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 معرفی دو روش جدید استخراج ویژگی از ارقام دستنویس فارسی مبتنی بر تعداد حالتهایهمسایگی خاص پیکسل ها دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد معرفی دو روش جدید استخراج ویژگی از ارقام دستنویس فارسی مبتنی بر تعداد حالتهایهمسایگی خاص پیکسل ها  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی معرفی دو روش جدید استخراج ویژگی از ارقام دستنویس فارسی مبتنی بر تعداد حالتهایهمسایگی خاص پیکسل ها،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن معرفی دو روش جدید استخراج ویژگی از ارقام دستنویس فارسی مبتنی بر تعداد حالتهایهمسایگی خاص پیکسل ها :

تعداد صفحات :۱۸

چکیده مقاله:

این مقاله دو روش جدید استخراج ویژگی از تصاویر دودویی معرفی شده است. این روش ها که ویژگی حالتهای همسایگی نامیده شده اند، مبتنی بر شمارش تعداد حالتهای همسایگی های مختلف در پیکسل های تصویر بوده و برای تصاویر دودویی استفاده شده است. در روش پیشنهادی اول، تعداد حالت های مختلف همسایگی ۴ تایی که تعداد محدودی می باشد، در کل تصویر شمارش شده و به عنوان بردار ویژگی معرفی می شود. در روش پیشنهادی دوم، تصاویر ارقام ضخامت یک پیکسل نازک سازی می شوند. با این کار تعداد حالت های همسایگی ۸ گانه هر پیکسل مرکزی محدود می شود و می توان تعداد حالت های همسایگی محدود در اطراف یک پیکسل مرکزی را به عنوان ویژگی در نظر گرفت. برای ثبت نتایج و مقایسه،آزمایشها روی مجموعه ارقام دستنویس فارسی هدی انجام شده است که دارای ۶۰۰۰۰ نمونه آموزش و ۲۰۰۰۰ نمونه آزمایش است. نتایج به دست آمده مزیت روش پیشنهادی با نتیجه ۹۷.۴ که یکی از بالاترین نرخ های تشخیص که تا کنون برای این دیتابیس گزارش شده است، نشان می دهد. طبقه بند مورد استفاده، یک شبکه عصبی MLP چند لایه است.