دو شیوه جدید انتخاب ویژگی وابسته به کلاس و کاربرد آنها در تشخیص ارقام دستنویس فارسی
محل انتشار: نوزدهمین کنفرانس مهندسی برق ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 927
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE19_577
تاریخ نمایه سازی: 14 مرداد 1391
چکیده مقاله:
یکی از مشکلات شایع سامانههای طبقهبندی، تعداد زیاد ویژگیها و در نتیجه پیچیدگی فضایی و زمانی بالاو حتی کاهش دقت این سامانهها است. از این رو، در این مقاله دو شیوه جدید انتخاب ویژگی وابسته به کلاس جهت افزایش دقت طبقهبندیکننده و کاهش پیچیدگی آنها ارائه کردهایم. جهت اثبات عملی برتری روشهای پیشنهادی، آنها را بر روی یک سامانه تشخیص نویسههای نوری ارقام فارسی آزمودهایم. نتایج حاصل از آزمایشها بر روی چهار دسته ویژگی مختلف و سه طبقهبندی متفاوت حاکی از غلبه روشهای وابسته به کلاس پیشنهادی بر شیوههای مشابه (ناوابسته به کلاس) است. این برتری شامل تا 9.7 % افزایش دقت در طبقهبندی نویسهها است.
کلیدواژه ها:
نویسندگان
محمدمهدی نعمت الهی
بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز
حمید محمودی
بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز
برهان کظیمی پور
بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز
بهار صالحی
بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :