بازشناسی حروف دستنویس فارسی با استفاده از الگوریتم جمعیت مورچگان باینری (BACO)

امروزه حجم زیادی از اسناد کاغذی موجود، توسط اسکنرها یا دوربین به اسنادتصویری دیجیتالی تبدیل می شوند ذخیره سازی بازیابی و مدیریت کارآمد این آرشیوهای تصویری دربسیاری ازبرنامه ها نظیراتوماسیون اداری و اداری و کتابخانه های دیجیتال اهمیت فراوانی دارد. در نتیجه دستیابی به الگوریتم های موثر به منظور آنالیزتصویری اسناد ، یک نیاز اساسی بر شمرده می شود. همچنین وجود منابع متعدد ارزشمند دستنویس تاریخی در ایران لازمه تحقیق در این زمینه را افزایش داده است. در این مقاله برای نخستین بار روشی جهت انتخاب ویژگی با استفاده از الگوریتم جمعیت مورچگان باینری در بازشناسی حروف دستنویس فارسی ارایه شده است. برای انجام آزمایش ها و اثبات کارایی الگوریتم از پایگاه داده حروف دستنویس فارسی ایران شهر استفاده گردیده است. نتایج حاصل از روش پیشنهادی نشان می دهد که این الگوریتم با دقت 70/96 درصدی در بازشناسی کلمات دستنویس فارسی نسبت به روش های متداول به کار برده شده برای این منظور، کارایی مطلوب تری داشته است. در نتیجه این پژوهش می توان الگوریتم جمعیت مورچگان باینری (BACO) را به عنوان یکی از مناسب ترین گزینه ها برای انتخاب ویژگی در امر بازشناسی کلمات دستنویس معرفی کرد.

کلیدواژه ها:

بازشناسی متون دستنویس ، انتخاب ویژگی ، طبقه بندی ، الگوریتم جمعیت مورچگان باینری