TY - JOUR ID - 51695 TI - بازشناسی برخط ارقـام دست‌نویس فارسی با استفاده از طبقه‌بند ماشین بردار پشتیبان JO - مجله علمی رایانش نرم و فناوری اطلاعات JA - JSCIT LA - fa SN - 2383-1006 AU - مرزانی, مجید AU - رضوی, سیّد محمّد AU - گرجی‌کلایی, مهران تقی‌پور AD - دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران Y1 - 2017 PY - 2017 VL - 6 IS - 1 SP - 44 EP - 51 KW - بازشناسی برخط KW - ارقام دستنویس فارسی KW - ماشین بردار پشتیبان ) SVM ( KW - یک در مقابل یک ) OVO .) DO - N2 - در این مقاله روشی برای بازشناسی برخط ارقام دست­نویس فارسی ارایه می­شود. چهار مجموعه ویژگی نقطه­ای­ و یک مجموعه ویژگی­ سراسری، از نمونه­های پیش­پردازش­شده استخراج شده­است. در این پژوهش ساختاری مناسب برای بردار ویژگی، تنها حاوی یک مجموعه ویژگی نقطه­ای و بهره­گیری از ویژگی­های سراسری در کنار ویژگی­های نقطه­ای برای بهبود عملکرد طبقه­بند ارایه می­شود. به همین منظور آزمایش­های متعددی با هرکدام از مجموعه ویژگی­های نقطه­ای و همچنین بهره­گیری از ویژگی­های سراسری در کنار هریک از مجموعه ویژگی­های نقطه­ای با استفاده از طبقه­بند ماشین بردار پشتیبان (SVM) با رویکردهای یک در مقابل همه (OVA) و یک در مقابل یک (OVO) انجام شده­است. در این تحقیق به­منظور ارایه روشی سریع، دقیق و با قابلیت اطمینان بالا، طبقه­بند ماشین بردار پشتیبان (SVM) با رویکرد یک در مقابل یک (OVO) برای بازشناسی برخط ارقام دست­نویس فارسی، پیشنهاد شده­است. روش پیشنهادی ارایه شده در این مقاله روی ارقام موجود در پایگاه داده Online-TMU انجام شده­است، بهترین نرخ بازشناسی، با بهره­گیری از تغییرات در راستای افقی (Δx) و تغییرات در راستای عمودی (Δy) به عنوان ویژگی نقطه­ای در کنار مجموعه ویژگی­های­ سراسری حاصل می­شود، که میانگینی برابر با 08/98 درصد دارد. UR - https://jscit.nit.ac.ir/article_51695.html L1 - https://jscit.nit.ac.ir/article_51695_71d995d2c96401dc711f9a74cbaf145a.pdf ER -