توسعه‌ی الگوریتم بازشناسی اعداد دست‌نویس فارسی، بر پایه‌ی الگوریتم‌های طبقه‌بندی شبکه‌ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشه
در این پژوهش تلاش شده است تا با ارائه‌ی الگوریتمی بهبودیافته و مبتنی بر خوشه‌بندی، بازشناسی اعداد دست‌نویس فارسی با دقت قابل توجهی صورت پذیرد. بر این اساس، آموزش و بازشناسی الگوها به کمک شبکه‌ی عصبی احتمالاتی و چندلایه‌ی پرسپترون میسر شده است، به این صورت که پس از استخراج دو دسته ویژگی مکان مشخصه و...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Sharif University Of Technology
2023-09-01
|
| Series: | مهندسی صنایع و مدیریت شریف |
| Subjects: | |
| Online Access: | https://sjie.journals.sharif.edu/article_22988_d529e26f630e459ba4aec5835540a59a.pdf |
| _version_ | 1797350541078036480 |
|---|---|
| author | علی میری مجید خدمتی |
| author_facet | علی میری مجید خدمتی |
| author_sort | علی میری |
| collection | DOAJ |
| description | در این پژوهش تلاش شده است تا با ارائه‌ی الگوریتمی بهبودیافته و مبتنی بر خوشه‌بندی، بازشناسی اعداد دست‌نویس فارسی با دقت قابل توجهی صورت پذیرد. بر این اساس، آموزش و بازشناسی الگوها به کمک شبکه‌ی عصبی احتمالاتی و چندلایه‌ی پرسپترون میسر شده است، به این صورت که پس از استخراج دو دسته ویژگی مکان مشخصه و ناحیه‌یی از داده‌های آموزشی، داده‌های هریک از کلاس‌های دهگانه بر اساس هر ویژگی با استفاده از روش‌های پیوند کامل، PAM و FCM خوشه‌بندی شده و کلاس‌های دهگانه‌ی جدید حاصل از خوشه‌بندی، توسط یکی از دو الگوریتم طبقه‌بندی کننده آموزش می‌بینند. تعداد بهینه خوشه‌های هر کلاس با استفاده از الگوریتم بهینه‌سازی جست‌وجوی ممنوعه با تابع برازندگی نرخ بازشناسی تعیین می‌شود. میزان دقت الگوریتم در نهایت با استفاده از داده‌های آزمایش مورد سنجش قرار می‌گیرد و با توجه به نتایج ملاحظه می‌شود که الگوریتم پیشنهادی، بازشناسی اعداد دست‌نویس فارسی را با دقت بالایی انجام می‌دهد. |
| first_indexed | 2024-03-08T12:46:24Z |
| format | Article |
| id | doaj.art-6ed79146af82411db6aff71c81913982 |
| institution | Directory Open Access Journal |
| issn | 2676-4741 2676-475X |
| language | fas |
| last_indexed | 2024-03-08T12:46:24Z |
| publishDate | 2023-09-01 |
| publisher | Sharif University Of Technology |
| record_format | Article |
| series | مهندسی صنایع و مدیریت شریف |
| spelling | doaj.art-6ed79146af82411db6aff71c819139822024-01-21T05:15:41ZfasSharif University Of Technologyمهندسی صنایع و مدیریت شریف2676-47412676-475X2023-09-01391233410.24200/j65.2022.58031.222022988توسعه‌ی الگوریتم بازشناسی اعداد دست‌نویس فارسی، بر پایه‌ی الگوریتم‌های طبقه‌بندی شبکه‌ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشهعلی میری0مجید خدمتی1دانشکده‌ی مهندسی صنایع، دانشگاه صنعتی شریفدانشکده‌ی مهندسی صنایع، دانشگاه صنعتی شریفدر این پژوهش تلاش شده است تا با ارائه‌ی الگوریتمی بهبودیافته و مبتنی بر خوشه‌بندی، بازشناسی اعداد دست‌نویس فارسی با دقت قابل توجهی صورت پذیرد. بر این اساس، آموزش و بازشناسی الگوها به کمک شبکه‌ی عصبی احتمالاتی و چندلایه‌ی پرسپترون میسر شده است، به این صورت که پس از استخراج دو دسته ویژگی مکان مشخصه و ناحیه‌یی از داده‌های آموزشی، داده‌های هریک از کلاس‌های دهگانه بر اساس هر ویژگی با استفاده از روش‌های پیوند کامل، PAM و FCM خوشه‌بندی شده و کلاس‌های دهگانه‌ی جدید حاصل از خوشه‌بندی، توسط یکی از دو الگوریتم طبقه‌بندی کننده آموزش می‌بینند. تعداد بهینه خوشه‌های هر کلاس با استفاده از الگوریتم بهینه‌سازی جست‌وجوی ممنوعه با تابع برازندگی نرخ بازشناسی تعیین می‌شود. میزان دقت الگوریتم در نهایت با استفاده از داده‌های آزمایش مورد سنجش قرار می‌گیرد و با توجه به نتایج ملاحظه می‌شود که الگوریتم پیشنهادی، بازشناسی اعداد دست‌نویس فارسی را با دقت بالایی انجام می‌دهد.https://sjie.journals.sharif.edu/article_22988_d529e26f630e459ba4aec5835540a59a.pdfخوشه‌بندیشبکه‌ی عصبی چندلایهشبکه‌ی عصبی احتمالاتیبازشناسیجست‌وجوی ممنوعه |
| spellingShingle | علی میری مجید خدمتی توسعه‌ی الگوریتم بازشناسی اعداد دست‌نویس فارسی، بر پایه‌ی الگوریتم‌های طبقه‌بندی شبکه‌ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشه مهندسی صنایع و مدیریت شریف خوشه‌بندی شبکه‌ی عصبی چندلایه شبکه‌ی عصبی احتمالاتی بازشناسی جست‌وجوی ممنوعه |
| title | توسعه‌ی الگوریتم بازشناسی اعداد دست‌نویس فارسی، بر پایه‌ی الگوریتم‌های طبقه‌بندی شبکه‌ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشه |
| title_full | توسعه‌ی الگوریتم بازشناسی اعداد دست‌نویس فارسی، بر پایه‌ی الگوریتم‌های طبقه‌بندی شبکه‌ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشه |
| title_fullStr | توسعه‌ی الگوریتم بازشناسی اعداد دست‌نویس فارسی، بر پایه‌ی الگوریتم‌های طبقه‌بندی شبکه‌ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشه |
| title_full_unstemmed | توسعه‌ی الگوریتم بازشناسی اعداد دست‌نویس فارسی، بر پایه‌ی الگوریتم‌های طبقه‌بندی شبکه‌ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشه |
| title_short | توسعه‌ی الگوریتم بازشناسی اعداد دست‌نویس فارسی، بر پایه‌ی الگوریتم‌های طبقه‌بندی شبکه‌ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشه |
| title_sort | توسعه‌ی الگوریتم بازشناسی اعداد دست‌نویس فارسی، بر پایه‌ی الگوریتم‌های طبقه‌بندی شبکه‌ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشه |
| topic | خوشه‌بندی شبکه‌ی عصبی چندلایه شبکه‌ی عصبی احتمالاتی بازشناسی جست‌وجوی ممنوعه |
| url | https://sjie.journals.sharif.edu/article_22988_d529e26f630e459ba4aec5835540a59a.pdf |
| work_keys_str_mv | AT ʿlymyry twsʿhyạlgwrytmbạzsẖnạsyạʿdạddstnwysfạrsybrpạyhyạlgwrytmhạyṭbqhbndysẖbḵhyʿṣbycẖndlạyhwạḥtmạlạtybhḵmḵmrạḵzkẖwsẖh AT mjydkẖdmty twsʿhyạlgwrytmbạzsẖnạsyạʿdạddstnwysfạrsybrpạyhyạlgwrytmhạyṭbqhbndysẖbḵhyʿṣbycẖndlạyhwạḥtmạlạtybhḵmḵmrạḵzkẖwsẖh |