ترجمه مقاله تشخیص آفلاین دست خط فرهنگ لغت بزرگ
مشخصات مقاله:
عنوان فارسی مقاله:
تشخیص آفلاین دست خط فرهنگ لغت بزرگ: بررسی
عنوان انگلیسی مقاله:
Large vocabulary off-line handwriting recognition: A survey
کلمات کلیدی مقاله:
تشخیص دست خط ، فرهنگ لغت بزرگ، کاهش واژگان، فرهنگ لغت باز، تکنیک های جستجو
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی و مهندسی الگوریتم ها و محاسبات
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
مقدمه
الگو تشخیص دستخط
قطعه سازی کلمات به کاراکتر ها
استراتژی های تشخیص
نقش مدل زبانی در تشخیص دستخط
پیچیدگی تشخیص دستخط
کاربرد های فرهنگ لغت بزرگ
سازماندهی تحقیق
کاهش لغت نامه
دیگر منابع دانشی
کاربرد های بانکداری
کاربرد های پستی
ترکیب زبانی
طول کلمه
شکل کلمه
رویکرد های دیگر
بحث و تبادل نظر
سازماندهی فضای جستجو
درخت لغوی
رویکرد های دیگر
بحث و تبادل نظر
تکنیک های جستجو
مشکل جستجو در تشخیص دست خط
تطبیق برنامه ریزی دینامیک
جستجو ویتربی
جستجو پرتو
چند گذری
کاربرد ها : بررسی موردی
سیستم خط مبناء
سازماندهی مجدد فضای جستجو
اصلاح لغت نامه
تکنیک های جستحو سریع
الگوی توزیع شده
بحث و تبادل نظر
موضوعات اینده
مدل سازی زبان
مدل های وابسته مفهومی
سیستم های فرهنگ لغت باز
عملیات انی
پایگاه داده
بحث و ملاحظات نهایی
بحث و تبادل نظر و ملاحظات آینده
قسمتی از مقاله انگلیسی و ترجمه آن:
Introduction
Handwriting recognition technology is steadily growing toward its maturity. Significant results have been achieved in the past few years both in on-line [1–12] and off-line [13–22] handwriting recognition. While generic content text recognition seems to be a long-term goal [19,21,23– 25], some less ambitious tasks are currently being investigated that address relevant problems such as the recognition of postal addresses [15,16,26–29], and the legal amount on bank cheques [30–38]. Current systems are capable of transcribing handwriting with average recognition rates of 90–99%, depending on the constraints imposed (e.g. size of the vocabulary, writer-dependence, writing style, etc.), and also on the experimental conditions [15,16,21,31,35]. The recognition rates reported are much higher for on-line systems when considering the same constraints and experimental conditions [4,7,9,39].
مقدمه
فناوری تشخیص دستخط به طور مستمر در حال رشد می باشد و به سمت رسیدن به مرحله بلوغ و تکامل گام بر می دارد . نتایج چشمگیر در چند سال گذشته در تشخیص آنلاین ]1-12[ و آفلاین ]13-22[ بدست آمده اند . در حالی که تشخیص متن محتوی عمومی یک هدف دراز مدت به نظر می رسد ، اخیرا بعضی کار های با جاه طلبی کمتر مورد بررسی قرار گرفته اند که به مشکلات مرتبط نظیر تشخیص آدرس های پستی و مقدار قانونی چک های بانکی می پردازند ]30-38[ . سیستم های جاری بسته به محدودیت های تحمیل شده ( برای مثال اندازه لغت ، وابستگی نویسنده ، شیوه نوشتن و غیره ) و همچنین شرایط آزمایشی قادر به رونویسی دستخط با میانگین نرخ های تشخیص 90 تا 99 درصد می باشند ]15 ، 16 ، 21 ، 31 ، 35 [ . نرخ های تشخیص که گزارش شده بودند برای سیستم های آنلاین در زمانی بسیار بالاتر بودند که محدودیت های یکسان و شرایط آزمایشی مورد توجه قرار می گیرند ]4 ، 7 ، 9 ، 39 [ .