| عنوان فارسی مقاله: | تجزیه و تحلیل مجموعه ویژگی مبتنی بر ماشین بردار پشتیبان در تشخیص کاراکتر دست خط مالایایی |
| عنوان انگلیسی مقاله: | SVM Based Feature Set Analysis in Dynamic Malayalam Handwritten Character Recognition |
نمونه متن ترجمه
چکیده
تشخیص کاراکتر دست خط به صورت دینامیک یا آنلاین یک حوزه چالش برانگیز در واسط های کامپیوتر و انسان می باشد . زمانی که مجموعه داده شامل شباهت و پیچیدگی در شیوه های حرف زدن ، تعداد حرف ها و تغیرات مشخصه های حرف ها می باشد ، نرخ موفقیت دسته بندی تکنیک های جاری کاهش می یابد . مالایایی یک نوع گویش زبانی پیچیده جنوب هندوستان می باشد که در حدود 35 میلیون نفر بویژه در جزایر لاکشادوید و کرالا به این زبان صحبت می کنند . الگوی دسته بندی مبتنی بر ماشین های بردار پشتیبان در این مقاله برای بهبود دقت دسته بندی و تشخیص آنلاین کاراکتر های دست خط مالایایی پیشنهاد می گردد . دسته کننده ماشین بردار پشتیبان در سطح دانشگاهی و صنعت معروف می باشد . این دسته کننده ها در مسئله عملی جهان واقعی مناسب تر می باشد اگر ما دارای نگرانی مهمی در مورد سرعت تشخیص در هر کاراکتر می باشیم . عمکلرد برای شالوده های متفاوت ماشین بردار پشتیبان مورد مطالعه قرار می گیرد . واسط کاربر گرافیکی برای خواندن و نمایش کاراکتر توسعه یافته بود . شیوه های متفاوت نوشتن برای هر 44 حرف الفباء پذیرفته می شوند . ویژگی های مختلف استخراج می گردند و بعد از پیش پردازش نمونه های داده ورودی برای دسته بندی مورد استفاده قرار می گیرند . انتخاب مشخصه از طریق انتخاب ترکیب های متفاوت ویژگی های استخراج شده در برابر دقت انجام گرفته اند . بالاترین دقت شناخت 97 درصدی برای بهترین ویژگی های منتخب در ماشین بردار پشتیبان با شالوده چند جمله ای بدست می آید . سرعت تشخیص یک حرف تکی در 0.52 ثانیه بدست می آید .
