بازشناسی برخط ارقام دست نویس فارسی با استفاده از طبقه بند ماشین بردار پشتیبان

در این مقاله روشی برای بازشناسی برخط ارقام دست نویس فارسی ارایه می شود. چهار مجموعه ویژگی نقطه ای و یک مجموعه ویژگی سراسری، از نمونه های پیش پردازش شده استخراج شده است. در این پژوهش ساختاری مناسب برای بردار ویژگی، تنها حاوی یک مجموعه ویژگی نقطه ای و بهره گیری از ویژگی های سراسری در کنار ویژگی های نقطه ای برای بهبود عملکرد طبقه بند ارایه می شود. به همین منظور آزمایش های متعددی با هرکدام از مجموعه ویژگی های نقطه ای و همچنین بهره گیری از ویژگی های سراسری در کنار هریک از مجموعه ویژگی های نقطه ای با استفاده از طبقه بند ماشین بردار پشتیبان (SVM) با رویکردهای یک در مقابل همه (OVA) و یک در مقابل یک (OVO) انجام شده است. در این تحقیق به منظور ارایه روشی سریع، دقیق و با قابلیت اطمینان بالا، طبقه بند ماشین بردار پشتیبان (SVM) با رویکرد یک در مقابل یک (OVO) برای بازشناسی برخط ارقام دست نویس فارسی، پیشنهاد شده است. روش پیشنهادی ارایه شده در این مقاله روی ارقام موجود در پایگاه داده Online-TMU انجام شده است، بهترین نرخ بازشناسی، با بهره گیری از تغییرات در راستای افقی (Δx) و تغییرات در راستای عمودی (Δy) به عنوان ویژگی نقطه ای در کنار مجموعه ویژگی های سراسری حاصل می شود، که میانگینی برابر با 08/98 درصد دارد.