تعیین ویژگی های موثردربازشناسی برون خطی کلمات دستنویس فارسی برمبنای تشکیل بانک موجک پایه والگوریتم تجزیه تحلیل تطابقی

دراین مقاله یک شیوه بازشناسی برون خط و مستقل ازتفکیک برای کلمات دست نویس فارسی متشکل ازمراحل اخذتصاویرورودی پیش پردازش استخراج ویژگی و طبقه بندی ارایه شده است پس ازاسکن و دریافت قالب دیجیتال تصاویر درمرحله پیش پردازش عملیات استانه گیری حذف نویز هموارسازی استخراج اسکلت نرمال سازی اندازه اصلاح چرخش و کج روی نسبت به خط پایه اجرا میشود سپس درمرحله استخراج ویژگی مجموعه محدودی ازترکیب ویژگیهای اماری شامل میانگین واریانس ضرایب تبدیل موجک دوبعدی گسسته برمبنای تشکیل بانکی ازموجهای پایه خانواده دابیچز وویژگی های ساختاری شامل ضرایب الگوریتم تجزیه تحلیل تطابقی CAcorrespondence analysis ازتمامی تصاویر کلمات استخراج می گردد انگاه مثالهای موثردراموزش را با اعمال الگوریتم الگوریتم FCNN  fast condensed nearest neighbor انتخاب کرده وعملیات طبقه بندی را بااستفاده ازشبکه عصبی چندلایه اجرا می نماییمنهایتا دراخرین مرحله ویژگیهای موثردربازشناسی نیز توسط الگوریتم UTA مشخص میشود این سیستم پیشنهادی برروی بخشی ازپایگاه داده ایرانشهر متشکل از640تصویرکلمه دستنویس 480نمونه اموزش 160نمونه ازمون پیاده سازی گردید ه و به نرخ بازشناسی 99.33درصد دست یافته است

کلیدواژه ها:

الگوریتم تجزیه تحلیل تطابقی ، انتخاب مثالهای آموزش ، بازشناسی کلمات ، بانک موجک پایه