بازشناسي ارقام دستنويس فارسي مقاوم در برابر چرخش و تغيير مقياس توسط طبقه بندي كننده SVM فازي مبتني بر خوشه بندي K-means

در این مقاله روشی را برای تشخیص این ارقام معرفی كردیم كه در برابر چرخش و تغییر مقیاس تا حد قابل قبولی مقاوم می باشد. در این مقاله هم برای استخراج ویژگی و هم برای طبقه بندی از دو روش مجزا استفاده كردیم. در مرحله اول برای استخراج ویژگی از آنالیز اجزای اصلی (PCA) استفاده كرده و در نوع دیگری از استخراج ویژگی از آنالیز تفكیك كننده خط (LDA) كه برای كاهش ابعاد LDA، از تكنیك PCA استفاده كردیم. این ویژگی ها را با طبقه بندی كننده Fuzzy SVM ,MLP به صورت جداگانه كلاسه بندی كردیم و نتایج را با هم مقایسه كردیم. برای نمایش اینكه روشمان در برابر چرخش و تغییر مقیاس مقاوم می باشد، 30 درصد كل ارقام پایگاه داده مان كه متشكل از 860 رقم برای هر كدام از ارقام 0 تا 9 می باشد را با زاویه های مختلف به صورت تصادفی در جهت یا خلاف جهت عقربه ساعت چرخانده و نتایج بدست آمده را با حالت بدون چرخش مقایسه كردیم. نرخ بازشناسی روش پیشنهادی بر روی 7600 نمونه آموزشی در حالت بدون چرخش، 97.3% به دست آمده كه نسبت به نرخ بازشناسی همین پایگاه داده، در [2] ,[1] به ترتیب 15.4% و 1.9% بهبود را نشان می دهد.