توسعه‌ی الگوریتم بازشناسی اعداد دست‌نویس فارسی، بر پایه‌ی الگوریتم‌های طبقه‌بندی شبکه‌ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشه

Autor:	علی میری, مجید خدمتی
Jazyk:	perština
Rok vydání:	2023
Předmět:	خوشه‌بندی شبکه‌ی عصبی چندلایه شبکه‌ی عصبی احتمالاتی بازشناسی جست‌وجوی ممنوعه Industrial engineering. Management engineering T55.4-60.8
Zdroj:	مهندسی صنایع و مدیریت شریف, Vol 39, Iss 1, Pp 23-34 (2023)
Druh dokumentu:	article
ISSN:	2676-4741 2676-475X 81913982
DOI:	10.24200/j65.2022.58031.2220
Popis:	در این پژوهش تلاش شده است تا با ارائه‌ی الگوریتمی بهبودیافته و مبتنی بر خوشه‌بندی، بازشناسی اعداد دست‌نویس فارسی با دقت قابل توجهی صورت پذیرد. بر این اساس، آموزش و بازشناسی الگوها به کمک شبکه‌ی عصبی احتمالاتی و چندلایه‌ی پرسپترون میسر شده است، به این صورت که پس از استخراج دو دسته ویژگی مکان مشخصه و ناحیه‌یی از داده‌های آموزشی، داده‌های هریک از کلاس‌های دهگانه بر اساس هر ویژگی با استفاده از روش‌های پیوند کامل، P‌A‌M و F‌C‌M خوشه‌بندی شده و کلاس‌های دهگانه‌ی جدید حاصل از خوشه‌بندی، توسط یکی از دو الگوریتم طبقه‌بندی کننده آموزش می‌بینند. تعداد بهینه خوشه‌های هر کلاس با استفاده از الگوریتم بهینه‌سازی جست‌وجوی ممنوعه با تابع برازندگی نرخ بازشناسی تعیین می‌شود. میزان دقت الگوریتم در نهایت با استفاده از داده‌های آزمایش مورد سنجش قرار می‌گیرد و با توجه به نتایج ملاحظه می‌شود که الگوریتم پیشنهادی، بازشناسی اعداد دست‌نویس فارسی را با دقت بالایی انجام می‌دهد.
Databáze:	Directory of Open Access Journals
Externí odkaz:	https://doaj.org/article/6ed79146af82411db6aff71c81913982 Zobrazit plný text záznamu View record in DOAJ