دانش رسان |
مرکز علم و دانش کشور مقاله روشی کاربردی برای بازشناسی برخط حروف مجزای دست‌نویس فارسی با استفاده همزمان از دانش مربوط به بدنه اصلی و ریزحرکات
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله روشی کاربردی برای بازشناسی برخط حروف مجزای دست‌نویس فارسی با استفاده همزمان از دانش مربوط به بدنه اصلی و ریزحرکات دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله روشی کاربردی برای بازشناسی برخط حروف مجزای دست‌نویس فارسی با استفاده همزمان از دانش مربوط به بدنه اصلی و ریزحرکات 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 مقاله روشی کاربردی برای بازشناسی برخط حروف مجزای دست‌نویس فارسی با استفاده همزمان از دانش مربوط به بدنه اصلی و ریزحرکات،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله روشی کاربردی برای بازشناسی برخط حروف مجزای دست‌نویس فارسی با استفاده همزمان از دانش مربوط به بدنه اصلی و ریزحرکات :
تعداد صفحات :۲۴
در این مقاله، روشی برای بازشناسی برخط حروف مجزای دست‌نویس فارسی ارایه می‌شود. در روش پیشنهادی برای بازشناسی حروف مجزای دست‌نویس فارسی، از دانش مربوط به بدنه اصلی و ریزحرکات به‌طور همزمان و به‌منظور اعتبار بیشتر تعیین کلاس خروجی استفاده شده‌است. در این تحقیق حروف مجزای دست‌نویس فارسی بر اساس تشابه بدنه اصلی در ۱۸، و بر اساس تشابه ریزحرکات در ۱۱ گروه، گروه‌بندی می‌شوند. با توجه به روش پیشنهادی ارایه‌شده در این پژوهش برای تشخیص نمونه‌های ناشناخته ورودی، بدنه اصلی و ریزحرکات شناسایی می‌شوند، اگر گروه‌های شناسایی شده از بدنه اصلی و ریزحرکات همخوانی داشته‌باشند، نمونه ناشناخته بازشناسی می‌شود؛ در غیر این‌صورت ناهمخوانی پیش‌آمده با استفاده از الگوریتم تصحیح خطا، تاحد امکان تصحیح می‌گردد. به‌منظور کاهش هزینه محاسباتی و افزایش قدرت تفکیک‌پذیری ویژگی-ها، با استفاده از روش‌های کاهش ابعاد ویژگی همچون تحلیل جداکننده خطی (LDA) و تحلیل مولفه‌های اصلی (PCA)، ابعاد بردار ویژگی برای بدنه اصلی از ۱۰۲ ویژگی به ۱۷ ویژگی کاهش می‌یابد. برای طبقه‌بندی بدنه اصلی حروف و همچنین برای ریزحرکات از طبقه‌بند ماشین بردار پشتیبان (SVM) با رویکرد یک در مقابل یک (OVO) استفاده شده‌است. نتایج بدست‌آمده نشان می‌دهند که با استفاده از روش پیشنهادی حدود ۹۸ درصد از حروف مجزای دست‌نویس فارسی برخط به-درستی بازشناسی می‌شوند.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
