گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” SVM برای شناسایی عددی دست نوشته Devanagari ” 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: |
ماشین بردار پشتیبان برای تشخیص عددی دست خط دیواناگری |
| عنوان انگلیسی مقاله: |
Support Vector Machine for Handwritten Devanagari Numeral Recognition |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار مقاله | 2010 |
| تعداد صفحات مقاله انگلیسی | 6 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | هوش مصنوعی و مهندسی نرم افزار |
| مجله مربوطه | مجله بین المللی کاربردهای کامپیوتر – International Journal of Computer Applications |
| دانشگاه تهیه کننده | بخش فناوری اطلاعات، موسسه تکنولوژي Samrat Ashok، هندوستان |
| کلمات کلیدی این مقاله | ماشین بردار پشتیبان، تشخیص عددی دواناگاری، تغییر ناپذیری ممان ، تغییر ناپذیری ممان آفین |
| رفرنس | دارد |
| نشریه | Ijcaonline |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 15 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
- 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
- بخشی از ترجمه:
9- نتیجه گیری
این کار تحقیی به تشخیص رقم دواناگاری دست نوشته می پردازد که با تکنیک ماشین بردار پشتیان اعمال می گردد . نتایج دقیق و کارامد تر نسبت به هر نوع سیستم موجود دیگر در کار تحقیقی پیشنهادی فراهم می گردند . ان یک کار اجراء شده منحصر به فرد می باشد که از ماشین بردار پشتیبان برای تشخیص رقم دست نوشته دواناگاری استفاده می کند . تنها 18 ویژگی از هر تصویر استخراج می گردند و نرخ تشخیص 99.48 درصد کسب گردید . جی . جی . راجپوت ]26[ یک ماشین بردار پشتیبان را بطور یکسان اجراء کردند اما از 64 ابعاد ویژگی برای تولید نرخ تشخیص 97.85 درصد استفاده می کند .
نرخ تشخیص به عنوان بخشی از کار آینده بایستی از طریق زیاد شدن مجموعه داده ها تست گردد . این مقاله یک تابع زیرساخت خطی از ماشین بردار پشتیبان را اجراء می کند . این دقت تشخیص رقم دست نوشته زبان دواناگاری را از طریق بکار گیری دیگر توابع زیرساخت نظیر تابع مبنای شعاعی ، تابع کرنل چند جمله ای ، تابع هلالی می توان بیشتر افزایش داد .
- بخشی از مقاله انگلیسی:
9. CONCLUSION
This research work deals with the recognition of Handwritten Devanagari numeral by applying Support Vector Machine technique. Proposed research work provides more efficient and accurate results than any other existing systems. It is the unique implemented work using SVM for Devanagari Handwritten digit recognition. Only 18 features are extracted from each image and obtained 99.48% recognition rate. G. G. Rajput [26] implemented SVM on the same but utilizes 64 feature dimensions for producing 97.85% recognition rate. As a part of future work, recognition rate need to be tested by increasing datasets. This paper implements linear kernel function of SVM. By application of other kernel functions such as Radial Basis Function (RBF), Polynomial Kernel function, Sigmoidal function, this accuracy of Devanagari Handwritten digit recognition can be further increased.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
