مشخصات مقاله:
عنوان فارسی مقاله:
تشخیص دست خط عربی مبتنی برکلمه با استفاده از دسته کننده ماشین بردار پشتیبان با گزینه نپذیرفتن
عنوان انگلیسی مقاله:
Word-Based Arabic Handwritten Recognition Using SVM Classifier with a Reject Option
کلمات کلیدی مقاله:
دستخط عربی، تشخیص مبتنی بر کلمه، ماشین بردار پشتیبانی، DCT، گزینه نپذیرفتن
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
I . مقدمه
II . کار مربوطه
III .طرح کلی سیستم تشخیص پیشنهادی
A . پیش پردازش و قطعه سازی
B . استخراج ویژگی
C تشخیص SVM
IV . نتایج آزمایشی
V . نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
I. INTRODUCTION
Handwritten text recogmtlOn is an active topic in pattern recognition research in view of its numerous applications such as automatic postal mail sorting, bank check processing, form data entry, etc. For these applications, the accuracy and speed of recognition is crucial to the overall performance. Moreover, Arabic is the 5th spoken language world wide after Chinese, Spanish, English and Hindi. With a population exceeding 237 million, Arabic is the first language in 60 countries [1]. However, automatic recognition of Arabic handwritten script remains a challenging task due, in part, to its inherent characteristics such as cursiveness, overlapping characters, presence of diacritical marks, etc [2]. In the last few years, more efforts have been diverted, to construct different databases for Arabic handwriting text word recognition. However, only few are freely available for researchers.
I . مقدمه
تشخیص متن دستخط از منظر کاربرد های بیشمار اش نظیر دسته بندی نامه پستی خودکار ، پردازش چک بانکی ، داده ورودی شکل و غیره یک موضوع فعال در تحقیق شناخت الگو می باشد .دقت و سرعت تشخیص بخاطر کاربرد های فوق برای عملکرد کلی حیاتی می باشد . علاوه براین ، زبان عربی بعد از زبان های چینی ، اسپانیایی ، انگلیسی و هندی در رده پنجم زبان های رایج جهان قرار دارد . عربی با جمعیت فراتر از 237 میلیون نفر در رتبه اول زبان در 60 کشور قرار دارد ]1[ . از اینرو ، تشخیص خودکار متن دستخط عربی تا حدی به دلیل مشخصه های ذاتی اش نظیر متصل بودن ، کارامتر های هم پوشاننده ، وجود نشانه های تشخیص و غیره به صورت یک کار چالش برانگیز باقی می ماند ]2[ . تلاش های بیشر در چند سال گذشته به سمتی منحرف شده اند تا پایگاه های داده متفاوت را برای تشخیص کلمه متن دستخط عربی ایجاد نمود . از اینرو ، تنها تعداد کمی به طور آزاد برای محققان در دسترس می باشند .