دانلود ترجمه مقاله پروژه متلب در تشخیص نوری کاراکترها

قیمت خرید این محصول

۱۱۶,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

یک پروژه Matlab در تشخیص نوری کاراکترها (OCR)

عنوان انگلیسی

(A Matlab Project in Optical Character Recognition (OCR

صفحات مقاله فارسی

صفحات مقاله انگلیسی

سال انتشار

نشریه

Ele.uri

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

کد محصول

4317

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر و فیزیک

گرایش های مرتبط با این مقاله

اپتیک و لیزر، پرتو شناسی، مهندسی نرم افزار و هوش مصنوعی

دانشگاه

دانشگاه Rhode Island

۰.۰ (هنوز امتیازی ثبت نشده است)

فهرست مطالب

مقدمه OCR چیست؟
فرآیند طبقه بندی
۱ تعلیم
۲ تست
OCR برآورد مدل (نگاه کنید به مرجع شماره ۱)
OCR طبقه بندی (نگاه کنید به مرجه شماره ۱)
اجرای Matlab
واسط کاربر گرافیکی دسته ساز کاراکتر (GUI)
بارگذاری یک تصویر
باینری سازی و قسمت بندی
برچسب گذاری بر روی کاراکترها
ذخیره سازی و بارگذاری ویژگی ها، برچسب ها و غیره
تعیین اطلاعات مربوط به طبقه/ویژگی ها

نمونه چکیده متن اصلی انگلیسی

According to Tou and Gonzalez, “The principal function of a pattern recognition system is to yield decisions concerning the class membership of the patterns with which it is confronted.” In the context of an OCR system, the recognizer is confronted with a sequence feature patterns from which it must determine the character classes.A rigorous treatment of pattern classification is beyond the scope of this paper. We’ll simply note that if we model the character classes by their estimated means, we can use a distance measure for classification. The class to which a test character is assigned is that with the minimum distance.

نمونه چکیده ترجمه متن فارسی

مطابق گفته توو و گونزالز، تابع اصلی یک سیستم تشخیص الگو اینست که تصمیماتی مربوط به عضویت طبقه الگوها اتخاذ کند که با آنها مواجه می گردد. در محتوای یک سیستم OCR، تشخیص دهنده با یک توالی از الگوهای شکلی مواجه می گردد که باید از آنها طبقات کاراکتر را مشخص کند.
یک راه چاره سخت برای طبقه بندی الگو خارج از حیطه بحث ما است. ما فقط بیان میکنیم که اگر ما طبقات کاراکتر را بوسیله میانگین های برآورد شده آنها مدل سازی کنیم، می توانیم از اندازه گیری مسافت برای طبقه بندی استفاده کنیم. طبقه ای که یک کاراکتر تست به آن منتصب می گردد با حداقل مسافت و فاصله بدست می آید.