ترجمه مقاله سیستم تشخیص استرس برای کاربران شبکه های اجتماعی – نشریه الزویر
مبلغ : 80800 تومان
سال انتشار : 2023
ترجمه مقاله ماشین بردار پشتیبان برای تشخیص عددی دست خط دیواناگری
قیمت خرید این کالا
27,800 تومان
| عنوان فارسی: | ماشین بردار پشتیبان برای تشخیص عددی دست خط دیواناگری |
| عنوان انگلیسی: | Support Vector Machine for Handwritten Devanagari Numeral Recognition |
| تعداد صفحات مقاله انگلیسی : 6 | تعداد صفحات ترجمه فارسی : 15 |
| سال انتشار : 2010 | نشریه : Ijcaonline |
| فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
| کد محصول : 7773 | رفرنس : دارد |
| محتوای فایل : zip | حجم فایل : 1.55Mb |
| رشته های مرتبط با این مقاله: مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله: هوش مصنوعی و مهندسی نرم افزار |
| مجله: مجله بین المللی کاربردهای کامپیوتر - International Journal of Computer Applications |
| دانشگاه: بخش فناوری اطلاعات، موسسه تکنولوژي Samrat Ashok، هندوستان |
| کلمات کلیدی: ماشین بردار پشتیبان، تشخیص عددی دواناگاری، تغییر ناپذیریممان ، تغییر ناپذیری ممان آفین |
| وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است |
| وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است |
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب
چکیده
1 – مقدمه
2 – ماشین بردار پشتیبان
3 – دستخط زبان دواناگاری
4 – آماده سازی داده
5- تکنیک های موجود
5-1 دسته کننده تابع افتراقی اصلاح شده (MQDF )
5-2 شبکه عددی در ارقام زبان دواناگاری
5-3 تابع توزیع گوسی
5-4 دسته کننده فازی در ارقام هندی
5-5 ماشین بردار پشتیبانی در ارقام ماراهاتی
5-6 پرسپترون چند لایه
5-7 دسته کننده درجه دوم برای ارقام زبان دواناگاری
6- استخراج ویژگی
6-1 تغییر ناپذیری های ممان
6-2 تغییر ناپذیر های ممان آفین
7- دسته کننده ماشین بردار پشتیبان پیشنهادی
8- نتایج و بحث وتبادل نظر
9- نتیجه گیری
نمونه متن انگلیسی
ABSTRACT
Support Vector Machines (SVM) is used for classification in pattern recognition widely. This paper applies this technique for recognizing handwritten numerals of Devanagari Script. Since benchmark database does not exist globally, this system is constructed database by implementing Automated Numeral Extraction and Segmentation Program (ANESP). Preprocessing is manifested in the same program which reduces most of the efforts. 2000 samples are collected from 20 different people having variation in writing style. Moment Invariant and Affine Moment Invariant techniques are used as feature extractor. These techniques extract 18 features from each image which is used in Support Vector Machine for recognition purpose. Binary classification techniques of Support Vector Machine is implemented and linear kernel function is used in SVM. This linear SVM produces 99.48% overall recognition rate which is the highest among all techniques applied on handwritten Devanagari numeral recognition system.
نمونه متن ترجمه
چکیده
ماشین های بردار پشتیبان کاربرد گسترده ای در دسته بندی می باشند . مقاله حاضر یک تکنیک را برای تشخیص عدد های نوشته شده به متن دواناگاری (Devanagari) بکار می بندد . نظر به این که پایگاه داده معیار به طور جهانی وجود ندارد ، این سیستم به ساخت پایگاه داده از طریق اجرای برنامه قطعه سازی و استخراج عددی خودکار (ANESP ) مبادرت می ورزد . پیش پردازش دربرنامه یکسان فاش می گردد که باعث کم شدن کار های زیادی می گردد . تعداد 2000 نمونه از 20 فرد مختلف جمع اوری می گردند که دارای تنوع در شیوه نوشتن می باشند . تکنیک های بدون تغییر ممان آفین و تغییر ناپذیری ممان به عنوان استخراج کننده ویژگی استفاده می گردند . این تکنیک ها در واقع 18 ویژگی را از هر تصویر استخراج می کنند که در ماشین بردار پشتیبان با هدف تشخیص مورد استفاده قرار می گیرد . تکنیک های دسته بندی دو تایی ماشین بردارپشتیبان اجراء می گردد و تابع زیرساخت خطی در ماشین بردار پشتیبان استفاده می شود . این ماشین بردار پشتیبان قادر به تولید نرخ تشخیص کل 99.4 درصدی می باشد که در میان کل تکنیک های اعمال شده درسیستم تشخیص عددی زبان نوشته شده دواناگاری در بالاترین سطح قرار دارد .
