دوره آموزش فارکس

علم باینری

1:07

ارائه‌ی یک روش هوشمند انتخاب ویژگی مبتنی بر الگوریتم جستجوی علم باینری علم باینری گرانشی باینری در سیستم بازشناسی ارقام دست‌نویس فارسی

در این مقاله یک روش هوشمند انتخاب ویژگی برای بازشناسی ارقام دست‌نویس فارسی ارائه شده است. در این روش تابع برازندگی مرتبط با خطای علم باینری سیستم بازشناسی ارقام دست‌نویس فارسی با استفاده از الگوریتم جستجوی گرانشی باینری و با انتخاب ویژگی‌های مناسب کمینه می‌شود. نتایج پیاده‌سازی نشان می‌دهند که استفاده از روش‌های هوشمند برای انتخاب ویژگی به‌خوبی قادر است که موثر‌ترین ویژگی‌ها برای علم باینری سیستم بازشناسی را انتخاب کند. همچنین مقایسه نتایج روش پیشنهادی با سایر روش‌های مشابه مبتنی بر استفاده از الگوریتم علم باینری ژنتیک و روش بهینه‌سازی گروه ذرات باینری نشان دهنده‌ی کارایی خوب این روش است.

In this paper, an intelligent feature selection method for recognition of Persian handwritten digits is presented. The fitness function associated with the error in the Persian handwritten digits recognition system is minimized, by selecting the appropriate features, using binary gravitational search algorithm. Implementation results show that the use of intelligent methods is well able to choose the most effective features for this recognition system. The results of the proposed method in comparison with other similar methods based on genetic algorithm and binary particle method of optimizing indicates the effective performance of the proposed method.

[1] ح. ر. نفیسی و ا. ا. کبیر، "شناسایی ارقام دست‌نویس فارسی،" دومین کنفرانس مهندسی برق ایران، علم باینری جلد 5، صص. 295-304، ارديبهشت 1373.
[2] و. جوهری مجد و س. م. رضوی، "بازشناسی فازی ارقام دست‌نویس فارسی،" اولین کنفرانس ماشین بینایی و پردازش تصویر ایران، جلد 1، صص. 144-151، اسفند 1379.
[3] ع. ر. درویش، ا. ا. کبیر و ح. خسروی، "کاربرد تطابق شکل در بازشناسی ارقام دست‌نویس فارسی،" فني و مهندسي مدرس، شماره 22، صص. 37-48، زمستان 1384.
[4] ح. خسروی و ا. ا. کبیر، بازشناسی حروف و ارقام دست‌نویس فارسی در فرم‌های ثبت نام آزمون سراسری، پایان‌نامه کارشناسی ارشد، 1385.
[5] م. نحوی، م. رفیعی، ر. ابراهیم‌پور و ا. ا. کبیر، "ترکیب طبقه‌بندهای دوکلاسی برای بازشناسی علم باینری ارقام دست‌نویس فارسی،" شانزدهمین کنفرانس مهندسی برق ایران، صص. 203-207، ارديبهشت 1387.
[6] J. E. Smith, T. C. Fogarty, and I. R. Johnson, "Genetic selection of feature for clustering and classification," in Proc. of the IEE Colloquium on Genetic Algorithms in Image Processing and Vision, 1994.
[7] Y. Qi, J. Tian, and R. W. Dai, "Fingerprint classification system with feedback mechanism based on genetic algorithm," in Proc. Int. Conf. Pattern Recognition, vol. 1, Aug. 1998.
[8] R. Khosravi and E. Kabir, "Introducing a very large dataset of handwritten Farsi digits and a study on their varienties," Pattern Recognition Letters 28, vol. 28, no. 10, pp. 1133-1141, 2007.
[9] س. م. رضوی، ه. صدوقی یزدی و ا. ا. کبیر، "انتخاب ویژگی برای بازشناسی ارقام دست‌نویس فارسی به کمک الگوریتم‌های وراثتی،" هفتمین کنفرانس سالانه انجمن کامپیوتر ایران، صص. 285-292، اسفند 1380.
[10] ع. راشدی، ح. نظام علم باینری آبادی پور و س. سریزدی، "الگوریتم جستجوی گرانشی باینری،" اولین کنگره مشترک سیستم‌های فازی و هوشمند، مشهد، شهريور 1386.
[11] ع. راشدی، ح. نظام آبادی پور و ح. توحیدی، "انتخاب ویژگی با استفاده از الگوریتم جستجوی گرانشی،" سومین کنفرانس فناوری اطلاعات و دانش، آذر 1386.
[12] ح. توحیدی، ح. نظام آبادی پور و س. سریزدی، "انتخاب ویژگی با استفاده از الگوریتم جمعیت مورچگان باینری،" اولین کنفرانس سیستم‌های فازی و هوشمند، دانشگاه فردوسی مشهد، 1384.
[13] E. Rashedi, H. Nezamabadi Pour, and S. Saryazdi, "GSA: a gravitational search algorithm," Information Sciences, vol. 179, no. 13, pp. 2232-2248, 2009.
[14] J. Kennedy and R. C. Eberhart, "A discrete binary version of the particle swarm algorithm," in Proc. IEEE Int. Conf. on Computational Cybernetics and Simulation, vol. 5, pp. 4104-4108, 12-15 Oct. 1997.
[15] م. رستمی شهر بابکی و ح. نظام آبادی پور، "روش جدیدی برای الگوریتم PSO باینری،" چهاردهمین کنفرانس مهندسی برق ایران، دانشگاه صنعتی امیرکبیر، تهران، ارديبهشت 1386.

مقالات مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

برو به دکمه بالا