ترجمه مقاله تشخیص دستخط عربی مبتنی برکلمه با طبقه بندی ماشین بردار پشتیبان - نشریه IEEE

ترجمه مقاله تشخیص دستخط عربی مبتنی برکلمه با طبقه بندی ماشین بردار پشتیبان - نشریه IEEE
قیمت خرید این محصول
۲۹,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
تشخیص دستخط عربی مبتنی برکلمه با استفاده از طبقه بندی ماشین بردار پشتیبان با گزینه نپذیرفتن
عنوان انگلیسی
Word-Based Arabic Handwritten Recognition Using SVM Classifier with a Reject Option
صفحات مقاله فارسی
11
صفحات مقاله انگلیسی
5
سال انتشار
2015
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
7600
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
هوش مصنوعی، مهندسی الگوریتم ها و محاسبات
مجله
دهمین کنفرانس بین المللی طراحی و برنامه های سیستم های هوشمند
دانشگاه
آزمایشگاه LARIT، دانشگاه ابن توفیل، دانشکده علوم، مراکش
کلمات کلیدی
دستخط عربی، تشخیص مبتنی بر کلمه، ماشین بردار پشتیبانی، DCT، گزینه نپذیرفتن
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
نمونه چکیده متن اصلی انگلیسی
Abstract

Arabic handwritten recognition is a challenging task due to high variability of Arabic script and its intrinsic characteristics such as cursiveness, ligatures and diacritics. This paper presents a word-based off-line Arabic handwritten recognition system based on discrete cosine transform features and SVM classifier enhanced using a reject option. The latter is based on the number of sub-words in the input word image calculated using a novel segmentation algorithm. To evaluate our proposed system, we used the IFNIENIT database of Arabic handwritten words and the results has shown the effectiveness of our approach in enhancing the recognition performance.

نمونه چکیده ترجمه متن فارسی
چکیده

تشخیص دستخط عربی به دلیل تغییر پذیری بالا متن عربی و مشخصه های ذاتی اش نظیر اتصال به هم ، شکسته بودن خط و نشانه های تفکیک کننده یک کار چالش برانگیز می باشد . مقاله حاضر یک آفلاین کلمه محور را معرفی می کند . سیستم تشخیص دستخط عربی مبتنی بر ویژگی های تبدیل کسینوسی گسسته و طبقه بندی ماشین بردار پشتیبان با استفاده از گزینه نپذیرفتن بهبود یافته بود . این مورد مبتنی بر تعداد کلمات فرعی در تصویر کلمه ورودی می باشد که با استفاده از الگوریتم قطعه سازی جدید محاسبه شده بود . ما برای ارزیابی سیستم پیشنهادی مان ازپایگاه داده کلمات دست خط عربی  IFN/ENIT استفاده کرده ایم واثربخشی رویکرد نا در ارتقای عملکرد تشخیص در  نتایج نشان داده شده اند .


بدون دیدگاه