شناسايي حروف دست نويس برون خطي با استفاده از تكنيك هاي داده كاوي در شبكه عصبي

Recognition of offline handwritten letters using data mining techniques in neural network

امروزه در بحث تشخيص متون دست نويس برون خط (آفلاين)، از تكنيكهاي يادگيري ماشين بهره گرفته مي شود. شبكه عصبي به عنوان يكي از قويترين و كاربردي ترين ابزارها نقش مهمي در تشخيص متون در زبانهاي مختلف ايفا مي نمايد. از آنجائيكه زبان فارسي داراي خصوصيات انحصاري با ويژگيهاي توصيفي و ساختاري متفاوت مي باشد، لذا ارائه چارچوبي منطقي جهت استفاده در شبكه عصبي غير قابل اجتناب مي باشد. از اينرو در اين پژوهش تلاش شده است تا با نگرشي عميق به ساختار و خصوصيات ظاهري زبان فارسي، ويژگيهايي در دسته بندي هاي مشخص در دو گروه ويژگيهاي ساختاري و توصيفي جهت آموزش و تست شبكه عصبي ارائه گردد. همچنين با الگوبرداري از مجموعه داده PHCWT به عنوان يكي از جامع ترين پايگاه هاي داده در زمينه متون دست نويس فارسي و ارتقاي تعداد مجموعه داده به 800 نفر، در جهت هرچه كاملتر نمودن محتواي داده شبكه عصبي تلاش گرديده است.