ترجمه مقاله تجزیه و تحلیل مجموعه ویژگی مبتنی بر ماشین بردار پشتیبان در تشخیص کاراکتر دست خط مالایایی – سال 2015
مشخصات مقاله:
عنوان فارسی مقاله:
تجزیه و تحلیل مجموعه ویژگی مبتنی بر ماشین بردار پشتیبان در تشخیص کاراکتر دست خط مالایایی
عنوان انگلیسی مقاله:
SVM Based Feature Set Analysis in Dynamic Malayalam Handwritten Character Recognition
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
مهندسی الگوریتم ها و محاسبات و هوش مصنوعی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1 – مقدمه
A . متن مالایالام و چالش های مرتبط به ان
B . دسته کننده ماشین بردار پشتیبان
II . جمع آوری داده
III . پیش پردازش
IV . استخراج مشخصه
A . ویژگی های حوزه زمان
B . ویژگی های حوزه فرکانس
C . ویژگی های سمتی
D . ویژگی های انحناء
V . نتایج عملکردی
VI : نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
I. INTRODUCTION
Online Handwritten Character Recognition has been studied from the past several years which demands to replace a large keyboard because of the huge alphabet size for texting applications. Also it makes easy to write in our own style and can be used for signature verifications[1]. An Online Real time Dynamic handwritten character recognition generally consists of preprocessing the raw x, y coordinates or the position coordinates tracked from a digitizer/smartphones, relevant feature extraction, classifi- cation and display[2]. This paper focused on an application based novelty which experiments on a very complex south indian language – Malayalam. Malayalam is a language having complex script in which alphabets consist multiple loops, cusps and similar character styles. There are some major works reported on Malayalam Online Handwritten Character Recognition from 2003 onwards. Preprocessing methods like normalization, duplicate point elimination, dot detection, dehooking, smoothing and equidistant resampling are commonly used. The accuracy of recognition per character can be varied based upon the type of dataset, extracted features and the classifiers used.
1 – مقدمه
تشخیص آنلاین کاراکتر دست خط از چند سال قبل مورد بررسی قرار گرفته بود که به دلیل اندازه حرف الفباء حجیم برای کاربرد نوشتن متن درخواست تقاضا می گردد تا صفحه کلید بزرگ جایگزین گردد . همچنین این صفحه کلید کار نوشتن را در شیوه ما ساده می سازد و می توان برای تایید های امضاء مورد استفاده قرار داد ] 1 [ . معمولا تشخیص آنلاین بلادرنگ کاراکتر دستخط دینامیک شامل پیش پردازش ردیف ایکس ، مختصات ایگرگ یا مختصات موقعیت ردیابی شده از تلفن های هوشمند یا دیجیتالی کننده ، استخراج ویژگی مربوطه ، دسته بندی و نمایش می باشد ]2[ . مقاله حاضر بر کاربرد مبتنی بر نوظهوری تمرکز کرده بود که آزبان بی نهایت پیچیده جنوب هند یعنی مالایایی را آزمایش می کند . زبان مالایالام دارای متون پیچیده می باشد که حروف الفاء در این متن شامل حلقه های چند تایی ، برامدگی ها و شیوه های کارامتر مشابه می باشند . در انجا یک سری کار های اصلی در مورد تشخیص کاراکتر دستخط آنلاین مالایامی از سال 2003 به بعد گزارش می گردند . روش های پیش پردازش شبیه سازی ، حذف نقطه تکراری ، کشف نقطه ، dehooking ، هموار سازی و نمونه برداری مجدد هم فاصله به طور معمول استفاده می گردند . دقت تشخیص در هر کاراکتر می تواند بر اساس نوع مجموعه داده ، ویژگی های استخراج شده و دسته کننده های بکار رفته فرق داشته باشد .
