دانلود مقاله ترجمه شده شناخت دست نوشته عربی با طبقه بندی SVM با گزینه رد – مجله IEEE

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” شناخت دست نوشته عربی با طبقه بندی SVM با گزینه رد ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• 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

• بخشی از ترجمه:

V . نتیجه گیری
ما در این کار به موضوع تشخیص دستخط عربی با استفاده از رویکرد کل نگر پرداخته ایم که بر اساس تصویر کل کلمه می باشد . ما سیستم تشخیص دستخط عربی آفلاین مبتنی بر کلمه را بر اساس ویژگی های DCT پیشنهاد دادیم و طبقه بندی SVM با استفاده از گزینه نپذیرفتن ارتقاء یافته بود . این سیستم از چهار مرحله اصلی پیشنهاد می گردد که عبارتند از : پیش پردازش ، قطه سازی بر اساس کلمات فرعی ، استخراج ویژگی با استفاده از ویژگی های DCT و دسته بندی مبتنی بر طبقه بندی SVM RBF . ما معیار نپذیرفتن را در فاز دسته بندی با استفاده از تعداد کلمات فرعی در تصویر کلمه ورودی یکپارچه کردیم . ما سیستم پیشنهادی را در پایگاه داده IFN/ENIT کلمات دستخط عربی را پیشنهاد دادیم و نتایج را با وضعیت سیستم های مبتنی بر DCT هنری مقایسه کردیم . اثربخشی رویکردمان در ارتقای عملکرد تشخیص در نتایج نشان داده شد .

• بخشی از مقاله انگلیسی:

V. CONCLUSION

In this work, we addressed the issue of Arabic handwritten recognition using a holistic approach based on the whole word image. We proposed a word-based off-line Arabic handwritten recognition system based on DCT features and SVM classifier enhanced using a reject option. This system is composed of four main stages which are: preprocessing, segmentation into sub-words, feature extraction using DCT features and classification based on SVM RBF classifier. We integrated a rejection criterion in the classification phase using the number of sub-words in the input word image. We tested the proposed system on the IFNIENIT database of Arabic handwritten words and compared the results to state of art DCT-based systems. Results has shown the effectiveness of our approach in enhancing the recognition performance.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله