مقاله بهینه سازی سیستم بازشناسی حروف دست نویس فارسی بر اساس انتخاب آگاهانه ویژگی های تاثیر گذار بر دسته بند به کمک الگوریتم ژنتیک

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

  مقاله بهینه سازی سیستم بازشناسی حروف دست نویس فارسی بر اساس انتخاب آگاهانه ویژگی های تاثیر گذار بر دسته بند به کمک الگوریتم ژنتیک دارای ۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بهینه سازی سیستم بازشناسی حروف دست نویس فارسی بر اساس انتخاب آگاهانه ویژگی های تاثیر گذار بر دسته بند به کمک الگوریتم ژنتیک  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 بهینه سازی سیستم بازشناسی حروف دست نویس فارسی بر اساس انتخاب آگاهانه ویژگی های تاثیر گذار بر دسته بند به کمک الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بهینه سازی سیستم بازشناسی حروف دست نویس فارسی بر اساس انتخاب آگاهانه ویژگی های تاثیر گذار بر دسته بند به کمک الگوریتم ژنتیک :

تعداد صفحات:۷

چکیده:

نفرین بعدیت یکی از مشکلات دسته بندی است. هرچه ابعاد مساله بزرگ تر باشد، هزینه دسته بندی بالاتر رفته، به علاوه این که می تواند باعث خطا در دسته بندی شود. در این مقاله نفرین بعدیت به عنوان مساله بهینه سازی مطرح شده و با دو ابزار احتمالاتی و الگوریتم ژنتیک به سمت انتخاب موثرترین ویژگی ها در جهت کاهش ابعاد مساله حرکت می کنیم. روش احتمالاتی به وسیله تکرار در استفاده از دسته بند بیزین با ویژگی های مختلف پیاده سازی می شود. الگوریتم ژنتیک نیز با تولید کروموزوم های مختلف، که در هر کروموزوم تعدادی ویژگی حضور وتعدادی حضور ندارند ارائه میشود. نتایج نشان داد که در مرحله آموزش بخاطر تکرار در جهت یافتن خصایص بهینه هزینه آموزش بویژه در استفاده از الگوریتم ژنتیک بسیار بالا است. اما در مرحله تست به علت کم شدن ابعاد مساله هزینه بسیار کاهش یافته و نتایج بهتری حاصل شد هاست که الگوریتم ژنتیک در این راه موفق تر بوده است. در واقع هرچه برای آموزش زمان و هزیته گذاشته شود در مرحله تست و کاربرد سیستم جبران خواهد شد این مقاله همچنین از روش قاب بندی برای استخراج ویژگی ها استفاده می کند. این روش با یک تغییر کوچک در مرحله پیش پردازش برای هر زبانی با هر قلمی و هر اندازه ای می تواند کارا باشد.
نمونه های استفاده شده بصورت دستی جمع آوری و پردازش شده اند.