پایان نامه > کتابخانه مرکزی دانشگاه صنعتی شاهرود > مهندسی برق و رباتیک > مقطع کارشناسی ارشد > سال 1391
پدیدآورندگان:
محسن صدیقی ناو [پدیدآور اصلی]، سید علی سلیمانی ایوری[استاد راهنما]، حسین خسروی[استاد راهنما]، علیرضا احمدی فرد[استاد مشاور]
چکیده: انتخاب ویژگی و کاهش ابعاد داده امری مهم و قابل توجه در بازشناسی الگو می باشد که در سالهای اخیر توجه زیادی بر آن بوده است. این امر باعث افزایش سرعت پردازش در سیستم های بلادرنگ و کاهش حافظه برای ذخیره سازی اطلاعات می شود. در این راستا نقش الگوریتم های بهینه سازی خصوصاً الگوریتم بهینه سازی توده ذرات قابل توجه بوده است. به طوریکه با استفاده از الگوریتم بهینه سازی توده ذرات و انتخاب روش مناسب جهت محاسبه مقدار برازندگی در PSO می توان تا مقدار قابل توجه ای ابعاد بردارهای ویژگی را کاهش داد تا به نتیجه قابل قبول و بهتر دست یابیم. در این پایان نامه یک سیستم بازشناسی الگو برای بازشناسی ارقام دست نویس ارائه شده است. در این سیستم پس از استخراج ویژگی با استفاده از ترکیب دو روش هیستوگرام گرادیان و مکان مشخصه توسعه یافته بر روی تصاویر ارقام دستنویس مرحله انتخاب ویژگی انجام گرفته است. در بلوک انتخاب ویژگی از الگوریتم بهینه سازی توده ذرات باینری BPSO و طبقه بند ماشین بردار پشتیبان SVM جهت محاسبه مقدار برازندگی استفاده شده است. همچنین از داده های چهره پایگاه ORL، اثر انگشت FVC2004 و داده های UCI برای تایید کارایی سیستم استفاده شده است. طبق نتایج بدست آمده برای بازشناسی ارقام دستنویس فارسی بدون کاهش ویژگی به نرخ بازشناسی 99.40% و با استفاده از BPSO در انتخاب ویژگی تا 193 ویژگی از 400 ویژگی بردار اصلی به نرخ بازشناسی 99.11% دست یافتیم. این نتایج نشان از عملکرد خوب و قابل قبول سیستم پیشنهادی دارد.
کلید واژه ها (نمایه ها):
#BPSO #ماشین بردار پشتیبان #بازشناسی ارقام دستنویس فارسی #هیستوگرام گرادیان #مکان مشخصه توسعه یافته
محل نگهداری: کتابخانه مرکزی دانشگاه صنعتی شاهرود
یادداشت: حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.
تعداد بازدید کننده:
پایان نامه های مرتبط (بر اساس کلیدواژه ها)