بررسی چند روش انتخاب ویژگی در بازشناسی حروف و ارقام دستنویس با استفاده از الگوریتم ژنتیک
محل انتشار: اولین همایش ملی پژوهش های مهندسی رایانه
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 594
فایل این مقاله در 12 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:
RCEITT01_219
تاریخ نمایه سازی: 11 اردیبهشت 1394
چکیده مقاله:
استفاده از یک سیستم بازشناسی حروف و ارقام در عمل، با چالشهایی مواجه است که مهمترین آنها ضرورت بالا بودن نرخ بازشناسی است. به همین دلیل، توسعهی روشهایی برای بهبود دقت در آنها ضروری است. یکی از مؤثرترین کارهایی که میتواندبه بهبود قابلتوجه دقت در یک سیستم بازشناسی حروف و ارقام بینجامد، استفاده از ویژگیهای مناسب برای بازنمایی است. در این مقاله چند روش انتخاب ویژگی در سیستم بازشناسی حروف و ارقام با استفاده از الگوریتم ژنتیک مورد مطالعه قرار گرفته استکه یکی از آنها روش مناسبتری برای بهبود عملکرد طبقهبندی معرفی کرده است. این روش با استفاده از یکی از ویژگیهای الگوریتم انتخاب مبتنی برGAبرای تشخیص زیرمجموعه از ویژگیهای است که در آن نمونههای متعلق به طبقات مختلف به خوبی تبعیض تفکیک شده است. ویژگیهای زیرمجموعه با استفاده از تابع ارزیابی تفکیک خطی فیشر مورد بررسی قرار گرفته- اند. چنین تابع ارزیابی با استفاده از ماتریس کوواریانس برای تخمین چگونگی توزیع احتمال از الگوهای در فضای نمایش در نظرگرفته شده است. علاوه بر این، بهمنظور تعادل اثرات روند یکنواخت از تابع ارزیابی، وزن دهی مناسب، اضافه شده است. آزمایشها با استفاده از چهار پایگاه دادههای استاندارد انجام شده و راهحلها با روشهای مختلف طبقهبندی تست شده است. نتایج مقایسه، اثربخشی این رویکرد را تأیید میکند
کلیدواژه ها:
نویسندگان
سیده پریسا موسوی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد خوراسگان اصفهان
فرساد زمانی بروجنی
استادیار و عضو هیات علمی گروه کامپیوتر، دانشگاه آزاد اسلامی واحد خوراسگان.
سیدامیرحسن منجمی
دانشیار و عضو هیات علمی گروه کامپیوتر، دانشگاه اصفهان
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 :