پروژه جهت کسب درجه کارشناسی ارشد مهندسی برق - الکترونیک با عنوان بهبود كارایی بخشهای استخراج ويژگی و طبقه بندی در سامانه بازشناسی ارقام دست نويس فارسی و ارزيابي آن به كمک پايگاه داده بزرگ آماده دریافت می باشد.چکیدههدف از اين تحقيق بهبود بخشهاي استخراج ويژگی و طبقه بندی در سامانه بازشناسی ارقام دست نوشته فارسي است. در بخش استخراج ويژگي، ويژگي گراديان كه در مقالات به عنوان قويترين روش استخراج ويژگی از آن ياد مي شود ، انتخاب و با استفاده از ضرايب DCT در بخش استخراج ويژگی از ماتريس هاي گراديان، نرخ بازشناسي آن بهبود يافته و به نرخ %99.15 رسید. در بخش طبقه بندي نيز سامانه ترکیبی جديدی با استفاده از ضرايب PCA و طبقه بندهای باينری طراحی و پياده سازی گرديد كه همزمان هم نرخ بازشناسی را نسبت به روش ديگر پياده سازی شده در اين تحقيق به ميزان %16.3 افزايش و به نرخ 96.5 رساند و هم بار محاسباتی را نسبت به آن روش كاهش داد. ضمنا اطلاعات جامعي در مورد انواع پايگاه داده استاندارد موجود در زمينه ارقام دست نويس فارسی جمع آوري گرديد كه از برخی از آنها براي مقايسه روشها استفاده شده است.فهرست مطالبفصل اول، بازشناسي الگو1-1. مقدمه2-1. ساختار كلی3-1. بازشناسی الگو4-1. روش های طبقه بندی الگو1-4-1. روش هاي حسي - تجربی2-4-1. روش های ساختاری3-4-1. روش هاي رياضي1-3-4-1. روش های آماری2-3-4-1. روش های غير آماری3-3-4-1. شبكه های عصبی4-4-1. ارزيابی یک طبقه بند5-4-1. مقايسه تجربی طبقه بند ها1-5-4-1. انتخاب مجموعه آموزش2-5-4-1. انتخاب مجموعه آزمایشی3-5-4-1. تصادفي بودن ذاتی الگوريتم يادگيری6-4-1. ادغام اطلاعات در بازشناسي الگو7-4-1. جايگاه سامانه های طبقه بندی مركب در بازشناسي الگوفصل دوم، تاريخچه و مروری بر سامانه های OCR1-2. انواع سيستم های OCR از لحاظ نوع الگوی ورودی 2-2. پيش پردازش1-2-2. كاهش نويز2-2-2. نرماليزه كردن داده ها3-2-2. فشرده سازی3-2. بازنمایی (استخراج ويژگی)1-3-2. ويژگی مكانهای مشخصه2-3-2. گشتاور3-3-2. هيستوگرام4-3-2. ويژگي های جهتی5-3-2. ويژگی های فركتالی1-5-3-2. فشرده سازی فركتالی تصاوير چيست؟2-5-3-2. تصاوير به عنوان نموداری از توابع3-5-3-2. متریک در تصاوير4-5-3-2. ماشين کپی جزءبندی شده5-5-3-2. كد كردن تصوير روش اول ( استاندارد )6-5-3-2. كد كردن تصوير روش دوم ( Quadtree ) 7-5-3-2. نحوه استخراج ويژگی از كد هاي فركتالی6-3-2. تحليل اجزاء اصلی1-6-3-2. برخی مفاهيم آماری2-6-3-2. مفاهيم جبر ماتريس ها3-6-3-2. الگوريتم PCAفصل سوم، روش های جديد پياده سازی شده در اين تحقيق1-3. پايگاه داده1-1-3. پايگاه داده هدی2-1-3. پايگاه داده IFHCDB3-1-3. پايگاه داده CENPARMI4-1-3. پايگاه داده ICDAR20092-3. پيش پردازش های استفاده شده1-2-3. حذف حاشيه2-2-3. يكسان كردن اندازه تصاوير3-3. بهبود روش استخراج ويژگی گراديان مبتنی بر تبديل گسسته كسينوسی1-3-3. گراديان بهبود يافته2-3-3. تبديل گسسته كسينوسی3-3-3. استخراج بردار های ويژگی از تصاوير گراديان با استفاده از ضرايب DCT ( ايده جديد )4-3-3. نتيجه گيری و جمع بندی روش استخراج ويژگي پيشنهادی4-3. روش تركيب طبقه بند های دوكلاسی براي بازشناسی ارقام دست نويس فارسی5-3. نتيجه گيری و جمع بندی سامانه ترکیبی پيشنهادیفصل چهارم، مروری بر روش های ديگر پياده سازی شده در اين تحقيق1-4. استفاده از فركتال ها در بازشناسی ارقام دستنويس فارسی2-4. سامانه ترکیبی اختلاط خبره ها3-4. نمايش جديد از ارقامفصل پنجم، نتيجه گيری و پيشنهادمنابع و مراجع
پروژه جهت کسب درجه کارشناسی ارشد مهندسی برق - الکترونیک با عنوان بهبود كارایی بخشهای استخراج ويژگی و طبقه بندی در سامانه بازشناسی ارقام دست نويس فارسی و ارزيابي آن به كمک پايگاه داده بزرگ آماده دریافت می باشد.چکیدههدف از اين تحقيق بهبود بخشهاي استخراج ويژگی و طبقه بندی در سامانه بازشناسی ارقام دست نوشته فارسي است. در بخش استخراج ويژگي، ويژگي گراديان كه در مقالات به عنوان قويترين روش استخراج ويژگی از آن ياد مي شود ، انتخاب و با استفاده از ضرايب DCT در بخش استخراج ويژگی از ماتريس هاي گراديان، نرخ بازشناسي آن بهبود يافته و به نرخ %99.15 رسید. در بخش طبقه بندي نيز سامانه ترکیبی جديدی با استفاده از ضرايب PCA و طبقه بندهای باينری طراحی و پياده سازی گرديد كه همزمان هم نرخ بازشناسی را نسبت به روش ديگر پياده سازی شده در اين تحقيق به ميزان %16.3 افزايش و به نرخ 96.5 رساند و هم بار محاسباتی را نسبت به آن روش كاهش داد. ضمنا اطلاعات جامعي در مورد انواع پايگاه داده استاندارد موجود در زمينه ارقام دست نويس فارسی جمع آوري گرديد كه از برخی از آنها براي مقايسه روشها استفاده شده است.فهرست مطالبفصل اول، بازشناسي الگو1-1. مقدمه2-1. ساختار كلی3-1. بازشناسی الگو4-1. روش های طبقه بندی الگو1-4-1. روش هاي حسي - تجربی2-4-1. روش های ساختاری3-4-1. روش هاي رياضي1-3-4-1. روش های آماری2-3-4-1. روش های غير آماری3-3-4-1. شبكه های عصبی4-4-1. ارزيابی یک طبقه بند5-4-1. مقايسه تجربی طبقه بند ها1-5-4-1. انتخاب مجموعه آموزش2-5-4-1. انتخاب مجموعه آزمایشی3-5-4-1. تصادفي بودن ذاتی الگوريتم يادگيری6-4-1. ادغام اطلاعات در بازشناسي الگو7-4-1. جايگاه سامانه های طبقه بندی مركب در بازشناسي الگوفصل دوم، تاريخچه و مروری بر سامانه های OCR1-2. انواع سيستم های OCR از لحاظ نوع الگوی ورودی 2-2. پيش پردازش1-2-2. كاهش نويز2-2-2. نرماليزه كردن داده ها3-2-2. فشرده سازی3-2. بازنمایی (استخراج ويژگی)1-3-2. ويژگی مكانهای مشخصه2-3-2. گشتاور3-3-2. هيستوگرام4-3-2. ويژگي های جهتی5-3-2. ويژگی های فركتالی1-5-3-2. فشرده سازی فركتالی تصاوير چيست؟2-5-3-2. تصاوير به عنوان نموداری از توابع3-5-3-2. متریک در تصاوير4-5-3-2. ماشين کپی جزءبندی شده5-5-3-2. كد كردن تصوير روش اول ( استاندارد )6-5-3-2. كد كردن تصوير روش دوم ( Quadtree ) 7-5-3-2. نحوه استخراج ويژگی از كد هاي فركتالی6-3-2. تحليل اجزاء اصلی1-6-3-2. برخی مفاهيم آماری2-6-3-2. مفاهيم جبر ماتريس ها3-6-3-2. الگوريتم PCAفصل سوم، روش های جديد پياده سازی شده در اين تحقيق1-3. پايگاه داده1-1-3. پايگاه داده هدی2-1-3. پايگاه داده IFHCDB3-1-3. پايگاه داده CENPARMI4-1-3. پايگاه داده ICDAR20092-3. پيش پردازش های استفاده شده1-2-3. حذف حاشيه2-2-3. يكسان كردن اندازه تصاوير3-3. بهبود روش استخراج ويژگی گراديان مبتنی بر تبديل گسسته كسينوسی1-3-3. گراديان بهبود يافته2-3-3. تبديل گسسته كسينوسی3-3-3. استخراج بردار های ويژگی از تصاوير گراديان با استفاده از ضرايب DCT ( ايده جديد )4-3-3. نتيجه گيری و جمع بندی روش استخراج ويژگي پيشنهادی4-3. روش تركيب طبقه بند های دوكلاسی براي بازشناسی ارقام دست نويس فارسی5-3. نتيجه گيری و جمع بندی سامانه ترکیبی پيشنهادیفصل چهارم، مروری بر روش های ديگر پياده سازی شده در اين تحقيق1-4. استفاده از فركتال ها در بازشناسی ارقام دستنويس فارسی2-4. سامانه ترکیبی اختلاط خبره ها3-4. نمايش جديد از ارقامفصل پنجم، نتيجه گيری و پيشنهادمنابع و مراجع