ساناز یاسایی - دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه هرمزگان
احمد حاتم - استادیار گروه مهندسی برق و کامپیوتر دانشگاه هرمزگان

انتخاب الگوی طبقه بندی مناسب و روش مورد استفاده برای استخراج ویژگی از عوامل اصلی برای قضاوت در مورد دقت وقابلیت تشخیص سیستم های نوری میباشد. تمرکز اصلی این مقاله بر روی انتخاب ویژگی های مؤثر در بازشناسی ارقامدست نویس فارسی با استفاده از الگوریتم تکاملی ژنتیک می باشد. ویژگی ها از طریق گرادیان در هشت جهت از هر تصویراستخراج می شود. برای طبقه بندی ارقام دست نویس از شبکه عصبی پرسپترون چند لایه استفاده شده است. استفاده ازبرخی عملیات پیش پردازش مانند نازک سازی، حذف نویزهای پس زمینه و پیش زمینه ، استاندارد سازی کردن اندازهتصویر قبل از استخراج ویژگی می تواند در نتایج خروجی مفید واقع شود. نتیجه بدست آمده با استفاده از این روش بر رویپایگاه دادهی هدا برابر 98.85 درصد بوده است.

استخراج ویژگی، سیستم های نوری، بازشناسی ارقام دست نویس، الگوریتم ژنتیک، گرادیان، شبکه عصبی پرسپترون چند لایه