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.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
تشخیص دستخط عربی مبتنی برکلمه با استفاده از طبقه بندی ماشین بردار پشتیبان با گزینه نپذیرفتن |
| عنوان انگلیسی مقاله: |
Word-Based Arabic Handwritten Recognition Using SVM Classifier with a Reject Option |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2015 |
| تعداد صفحات مقاله انگلیسی | 5 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | هوش مصنوعی، مهندسی الگوریتم ها و محاسبات |
| مجله |
دهمین کنفرانس بین المللی طراحی و برنامه های سیستم های هوشمند – Transactions on Parallel and Distributed Systems |
| دانشگاه | آزمایشگاه LARIT، دانشگاه ابن توفیل، دانشکده علوم، مراکش |
| کلمات کلیدی | ماشین بردار پشتیبانی، دستخط عربی، تشخیص مبتنی بر کلمه، DCT، گزینه نپذیرفتن |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت IEEE |
| نشریه | IEEE |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 11 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه شده است |
| ترجمه متون داخل جداول | ترجمه شده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
- 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.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
شناخت دست نوشته عربی بر اساس کلمه با استفاده از طبقه بندی SVM با گزینه رد |
| عنوان انگلیسی مقاله: |
Word-Based Arabic Handwritten Recognition Using SVM Classifier with a Reject Option |
|
|