توضیحات
چکیده
تشخیص کاراکترها و حروف یک متن یکی از اعمالی است که بشر از دیرباز در پی نیل به آن بوده است و در این راه به پیشرفت های قابل توجهی دست یافته است. از جمله کاربردهای این مهم میتوان به تشخیص پلاک خودرو، تشخیص دست خط جهت احراز هویت، تبدیل متون کتاب به فایل قابل ویرایش و… اشاره کرد. در این مقاله با اجرای الگوریتم های مختلف (IBL, MLP, Decision Tree, Bayes) و مقایسه آن ها با یکدیگر روشی که بهترین بازدهی دارد را معرفی کرده و میزان قابلیت آن را با روش های دیگر مقایسه و در جداولی ارایه کردهایم؛ در این بین الگوریتم IBL بهترین عملکرد را داشته و میزان خطای آن برای دسته بندی کاراکترها در مجموعه داده Holland-Style حدود 4 درصد میباشد که عملکردی قابل قبول است.
مقدمه
در زمینه دسته بندی و تشخیص کاراکترها روشها و الگوریتم های مختلفی وجود دارد که استفاده از هر یک نتیجه و بازدهی خاص خود را داشته و در موارد خاصی مورد استفاده قرار میگیرد. در اکثر روشهایی که مورد استفاده قرار میگیرند دو مجموعه داده وجود دارد؛ یکی برای آموزش و دیگری جهت تست. با توجه به اینکه استفاده از هر روشی جهت دست بندی امکان پذیر است، بهتر است برای بدست آوردن بهترین روش برای هر مسئله روش هایی که برای آن مناسب و قابل استفاده است را مورد آزمایش قرار داده و بعد از جمع آوری نرخ خطا و خروجی هر یک، آنها را با هم مقایسه کرده و بهترین مورد را برای آن مسئله خاص انتخاب کنیم. در اینجا نیز جهت پیدا کردن بهترین روش دسته بندی داده ها (در مسئله تشخیص کاراکتر،) چند روش را مورد بررسی قرار داده و بهترین را انتخاب میکنیم. در این مقاله ما روشهای بیزی، شبکه عصبی، درخت تصمیم و IBLرا مورد بررسی قرار داده و با یکدیگر مقایسه کرده ایم؛ بهترین روش جهت دسته بندی در این بین روش IBL میباشد که توضیح مربوط به هریک از روشها به تفصیل در ادامه آورده شده است.
ABSTRACT
Detection of the characters and letters of a text is one of the actions that humankind has long sought to achieve and has made significant progress in this way. One of the most important applications for this purpose is the identification of license plates, handwriting recognition for authentication, the conversion of textbooks into editable files, and so forth. In this paper, by introducing various algorithms (IBL, MLP, Decision Tree, Bayes) and comparing them with each other, we introduce a method that has the best returns and we can compare it with other methods and in the tables; in this Between IBL algorithm has the best performance, and the error rate for categorizing characters in Holland-Style dataset is about 4%, which is acceptable.
INTRODUCTION
In the field of categorizing and recognizing characters, there are various methods and algorithms that use each of their outputs and outputs and are used in specific cases. In most of the methods used, there are two sets of data; one for training and one for testing. Given that it is possible to use any kind of patterning, it is best to test the methods for which it is suitable for obtaining the best method for each issue and after collecting the error rate and output of each One, compare them and choose the best one for that particular issue. Here’s how to find the best data categorization method (in the character recognition problem) and select the best one. In this paper, we examine and compare the Bayesian, Neural Network, Decision tree, and IBL methods; the best way to categorize the IBL method is to explain the details of each method in detail. .
Year: 2018
Publisher : Third Annual National Conference on Electrical, Computer and Bioelectric Engineering in Iran
By : Shirzad Sepahvand, Abdolreza Sepahvand, Mojtaba Sepahvand
File Information: persian Language/ 6 Page / size: 762 KB
Only site members can download free of charge after registering and adding to the cart
سال :1397
ناشر : سومین کنفرانس سالانه ی ملی مهندسی برق ,کامپیوتر و بیوالکتریک ایران
کاری از : شیرزاد سپهوند ،عبدالرضا سپهوند ،مجتبی سپهوند
اطلاعات فایل : زبان فارسی / 6 صفحه / حجم : KB 762
نقد و بررسیها
هنوز بررسیای ثبت نشده است.