تشخیص اعداد دستنویس لاتین و عربی بر مبنای ویژگی گرادیان
محل انتشار: نوزدهمین کنفرانس مهندسی برق ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 785
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_587
تاریخ نمایه سازی: 14 مرداد 1391
چکیده مقاله:
در این نوشتار بر مبنای ویژگیهای حاصل از گرادیان و کلاسبندی توسط ماشین بردار پشتیبان، روشی برای تشخیص اعداددستنویس به نحوی که قید لاتین و عربی وجود نداشته باشد مطرح شده است. مجموعه دادههای استفاده شده برای آموزش و تست اعداد لاتین و عربی به ترتیبADBase و MNISTهستند، که هر یک شامل مجموعهای از 60000 نمونه برای آموزش و 10000 نمونه برای تست میباشند. از هر تصویر، برداری شامل 100 عنصر که در برگیرندهی ویژگیهای گرادیان تصویر است استخراج شده و توسط شبکه عصبی و ماشین بردار پشتیبان، کلاسبندی به 20 کلاس هدف برای مجموعهی آموزش و تست صورت گرفته است. با کلاسبندی توسط شبکه عصبی، نرخ تشخیص بطور متوسط 90/5%و با استفاده از ماشین بردار پشتیبان، پس از بهینهسازی پارامترها، به میزان 95/36%حاصل شد که با بررسی نتایج حاصل و روش ارائهشده، این نرخ تشخیص تا 97/35%بهبود مییابد.
کلیدواژه ها:
نویسندگان
زهره حکیمی
دانشکده برق، رایانه و فناوری اطلاعات- دانشگاه آزاد اسلامی واحد قزوین
محمدرضا دلیری
دانشکده مهندسی برق- دانشگاه علم و صنعت ایران
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 :