ترجمه مقاله تشخیص دست خط عربی مبتنی برکلمه با دسته کننده ماشین بردار پشتیبان با گزینه نپذیرفتن - نشریه IEEE

قیمت خرید این محصول

۳۵,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

تشخیص دست خط عربی مبتنی برکلمه با استفاده از دسته کننده 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

7770

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 و مهندسی الگوریتم ها و محاسبات

مجله

پانزدهمین کنفرانس بین المللی طراحی و برنامه نویسی سیستم های هوشمند

دانشگاه

آزمایشگاه LRGE، دانشگاه Mohamed V، مراکش

کلمات کلیدی

دستخط عربی، تشخیص مبتنی بر کلمه، ماشین بردار پشتیبانی، DCT، گزینه نپذیرفتن

۰.۰ (بدون امتیاز)

امتیاز دهید

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 دسته کننده ماشین بردار پشتیبان با استفاده از گزینه نپذیرفتن بهبود یافته بود . این مورد مبتنی بر تعداد کلمات فرعی در تصویور کلمه ورودی می باشد که با استفاده از الگوریتم قطعه سازی جدید محاسبه شده بود . ما برای ارزیابی سیستم پیشنهادی امان ازپایگاه داده کلمات دست خط عربی IFN/ENIT استفاده کرده ایم واثربخشی رویکرد نا در ارتقای عملکرد تشخیص در نتایج نشان داده شده اند .

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی هوش مصنوعی