انتخاب بهینه ی ویژگی های تاثیر گذار بر دسته بند به کمک الگوریتم ژنتیک در سیستم بازشناسی ارقام دست نویس فارسی

نفرین بعدیت یکی از مشکلات دسته بندی است . هرچه ابعاد مساله بزرگ تر باشد، هزینه ی دسته بندی بالاتر رفته، به علاوه این که می تواند باعث خطا در دسته بندی شود . در این مقاله نفرین بعدیت به عنوان مساله بهینه سازی مطرح شده و با دو ابزار احتمالاتی و الگوریتم ژنتیک به سمت انتخاب موثرترین ویژگی ها در جهت کاهش ابعاد مساله حرکت می کنیم . روش احتمالاتی به وسیله تکرار در استفاده از دسته بند بیزین با ویژگی های مختلف پیاده سازی می شود . الگوریتم ژنتیک نیز با تولید کروموزوم های مختلف، که در هر کروموزوم تعدادی ویژگی حضور وتعدادی حضور ندارند ارائه می شود . نتایج نشان داد که در مرحله آموزش بخاطر تکرار در جهت یافتن ویژگی های بهینه هزینه آموزش بویژه در استفاده از الگوریتم ژنتیک بسیار بالا است . اما در مرحله تست به علت کم شدن ابعاد مساله هزینه بسیار کاهش یافته و نتایج بهتری حاصل شده است که الگوریتم ژنتیک در این راه موفق تر بوده است . در واقع هرچه برای آموزش زمان و هزیته گذاشته شود در مرحله تست و کاربرد سیستم جبران خواهد شد این مقاله همچنین از روش قاب بندی برای استخراج ویژگی ها استفاده می کند . این روش با یک تغییر کوچک در مرحله پیش پردازش برای هر زبانی با هر قلمی و هر اندازه ای می تواند کارا باشد . نمونه های استفاده شده بصورت دستی جمع آوری و پردازش شده اند .

کلیدواژه ها:

الگوریتم ژنتیک ، انتخاب آگاهانه ، بازشناسی حروف ، دسته بند بیزین ، روش قاب بندی