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

معرفی یک روش جدید استخراج ویژگی از ارقام دست نویس فارسی مبتنی برحالتهای همسایگی پیکسل ها

اعتبار موردنیاز: ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۵۴۵ | نظرات: ۰
سرفصل ارائه مقاله: الکترونیک
سال انتشار: ۱۳۹۰
نوع ارائه: شفاهی
کد COI مقاله: ISCEE14_013
زبان مقاله: فارسی
حجم فایل: ۲۱۶.۸۵ کلیوبایت (فایل این مقاله در ۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله معرفی یک روش جدید استخراج ویژگی از ارقام دست نویس فارسی مبتنی برحالتهای همسایگی پیکسل ها

  شکراله محمدی نیا - دانشگاه جامع امام حسین(ع)
  رضا حق مرام - دانشگاه جامع امام حسین(ع)

چکیده مقاله:

در این مقاله یک روش جدید استخراج ویژگی از تصاویر دو سطحی معرفی میشود. این روش جدید استخراج ویژگی را که ویژگی حالتهای همسایگی نامیده ایم، مبتنی بر ثبت انواع حالتهای همسایگی های موجود در پیکسل های تصویر بوده و برای تصاویر دو سطحی استفاده شده است. در این ویژگی نسبت به آخرین روش بهینه مشابه برای تصاویر دو سطحی، دقت تشخیص با 0.16 % بهبود به 98.95 % رسیده است. در این ویژگی، برای ثبت نتایج و مقایسه این روش با دیگر روش ها، آزمایشها روی مجموعه ارقام دستنویس فارسی هدا انجام شده است که دارای 60000 نمونه آموزش و 20000 نمونه آزمایش است. طبقه بند مورد استفاده، یک شبکه عصبی چند لایه است

کلیدواژه‌ها:

استخراج ویژگی، بازشناسی ارقام، حالتهای همسایگی، شبکه عصبیMLP

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-ISCEE14-ISCEE14_013.html
کد COI مقاله: ISCEE14_013

نحوه استناد به مقاله:

برای بار اول: (محمدی نیا, شکراله و رضا حق مرام، ۱۳۹۰)
برای بار دوم به بعد: (محمدی نیا و حق مرام، ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۳۷۱۹
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.