ارائه چارچوبي به منظور بازشناسي حروف دست نوشته فارسي با استفاده از الگوريتم Bagging

در این مقاله، چارچوبی به منظور بازشناسی حروف دست نوشته فارسی ارائه شده است كه از سه بخش اصلی پیش پردازش ، استخراج ویژگی و طبقه بندی تشكیل شده است. هدف از بخش پیش پردازش ، حذف نویز، هموارسازی و نرمالیزه كردن داده های ورودی است. در بخش استخراج ویژگی كه مهم ترین بخش محسوب می شود، به هر نمونه، ویژگی ای اختصاص داده می شود كه معرف آن نمونه در فضای ویژگی موردنظراست و بدین ترتیب آن را از دیگر نمونه ها متمایز می سازد. در بخش طبقه بندی، باید مرزبندی صحیحی بین بردارهای ویژگی انجام شود ، بطوری كه نمونه های هر الگو با مرز مشخصی از بقیه نمونه ها تفكیك شوند. در روش ارائه شده ، 80 ویژگی مناسب و مكمل یكدیگر از روی حروف دست نوشته فارسی استخراج گردید و دسته بند Bagging به منظور تشخیص حروف دست نوشته فارسی استفاده شد. همچنین ارزیابی نتایج بر روی پایگاه داده حروف هدی كه هم اكنون یكی از استانداردترین و بزرگترین پایگاه های داده است انجام شده ، و بهترین نرخ بازشناسی با استفاده از سیستم پیشنهادی ما ، 95/98 درصد گزارش شده است.