آذر
۱
۱۳۹۵

دانلود مقاله استفاده از ماشین های بردار پشتیبانی برای تشخیص اعداد دست نوشته عربی و فارسی

روش جدیدی برای تشخیص اعداد عربی/فارسی دست نوشته ارائه شده است. این روش بر اساس ماشین های بردار پشتیبانی (SVM) می باشد و روش جدیدی از استخراج نمود می باشد…اگر به دنبال مقاله ی انگلیسی به همراه ترجمه برای درس شناسایی آماری الگو می گردید, فراپروژه پیشنهاد می کند حتما مقاله استفاده از ماشین های بردار پشتیبانی برای تشخیص اعداد دست نوشته عربی و فارسی را دانلود نمایید. این فایل شامل ۹ صفحه و در قالب word می باشد.

مقاله استفاده از ماشین های بردار پشتیبانی برای تشخیص اعداد دست نوشته عربی و فارسی

 

مشخصات  فایل مقاله استفاده از ماشین های بردار پشتیبانی برای تشخیص اعداد دست نوشته عربی و فارسی

عنوان لاتین مقاله:     Application of Support Vector Machines for Recognition of Handwritten Arabic/Persian Digits
عنوان فارسی مقاله: استفاده از ماشین های بردار پشتیبانی برای تشخیص اعداد دست نوشته عربی و فارسی
فرمت فایل : word+pdf (قابل ویرایش)
تعداد صفحات : ۹
حجم فایل :  ۸۴۵ کیلوبایت

بخشی از مقاله استفاده از ماشین های بردار پشتیبانی برای تشخیص اعداد دست نوشته عربی و فارسی را در ادامه مشاهده خواهید نمود.

Abstract: A new method for recognition of isolated handwritten Arabic/Persian digits is presented. This method is based on Support Vector Machines (SVMs), and a new approach of feature extraction. Each digit is considered from four different views, and from each view 16 features are extracted and combined to obtain 64 features. Using these features, multiple SVM classifiers are trained to separate different classes of digits. CENPARMI Indian (Arabic/Persian) handwritten digit database is used for training and testing of SVM classifiers. Based on this database, differences between Arabic and Persian digits in digit recognition are shown. This database provides 7390 samples for training and 3035 samples for testing from the real life samples. Experiments show that the proposed features can provide a very good recognition result using Support Vector Machines at a recognition rate 94.14%,compared with 91.25% obtained by MLP neural network classifier using the same features and test set.

Keywords: Optical Character Recognition (OCR), Feature Extraction, Machine Learning, Support Vector Machine (SVM), Multiple Support Vector Classifiers, MLP Neural Network

چکیده: روش جدیدی برای تشخیص اعداد عربی/فارسی دست نوشته ارائه شده است. این روش بر اساس ماشین های بردار پشتیبانی (SVM) می باشد و روش جدیدی از استخراج نمود می باشد. هر عدد از چهار منظر مختلف مورد بررسی قرار می گیرد و از هر منظر ۱۶ ویژگی استخراج شده و با هم ترکیب می شوند تا ۶۴ ویژگی ایجاد شود. با استفاده از این ویژگی ها، رده بندی کننده های چندگانه SVM برای جداسازی اعداد مورد استفاده قرار می گیرند. داده های اعداد دست نویس CENPARMI (عربی/فارسی) برای بررسی رده بندی کننده های SVM مورد استفاده قرار گرفته اند. بر اساس این داده ها تفاوت بین اعداد عربی و فارسی در تشخیص نشان داده شده اند. این داده ها ۷۳۹۰ نمونه را برای آموزش و ۳۰۳۵ نمونه را برای آزمایش نشان می دهند. بررسی ها نشان می دهند که ویژگی های پیشنهادی می توانند نتایج تشخیص بهتری را با استفاده از SVM ارائه دهند که این میزان برابر ۹۴٫۱۴% تشخیص در مقایسه با ۹۱٫۲۵% به دست آمده از طریق MLP می باشد.

کلمات کلیدی: تشخیص نوری کاراکتر (OCR)، استخراج ویژگی، آموزش ماشینی، ماشین بردار پشتیبانی، رده بندی کننده بردار پشتیبانی چندگانه، شبکه عصبیMLP.

 

 

  • توجه: شما می توانید مقاله انگلیسی مربوط به مقاله استفاده از ماشین های بردار پشتیبانی برای تشخیص اعداد دست نوشته عربی و فارسی را به صورت رایگان از اینجا دانلود نمایید.

 

در صورت تمایل شما می توانید مقاله استفاده از ماشین های بردار پشتیبانی برای تشخیص اعداد دست نوشته عربی و فارسی را به قیمت ۱۶۹۰۰ تومان از سایت فراپروژه دانلود نمایید.


      مطالب مرتبط



فرستادن دیدگاه

تازه ترین مطالب

پشتیبانی سایت

پشتیبانی سایت