کاهش ویژگی توسط اذحام ذرات دودویی برای بازشناسی ارقام دستنویس فارسی

بازشناسی ارقام دستنویس یکی از مسائل مهم درحوزه شناسی الگو است. در این مقاله با ترکیب روش های هیستوگرام گرادیان و مکان مشخصه توسعه یافته، ویژگی های تصاویر ارقام دستنویس فارسی استخراج شده است. توسط الگوریتم بهینه سازی توده ذرات دودویی بهبود یافته جدید (INBPSO) و ارائه تابع برازندگی مناسب، ویژگی ها با اهمیت بیشتر انتخاب و ارقام توسط طبقه بند ماشین بردار پشتیبان (SVM) شناسایی شده اند. ابتدا در مرحله آموزش پس از استخراج ویژگی بر روی داده های آموزش با استفاده از روش پیشنهادی، الگوی مناسبی برای انتخاب ویژگی بدست می آید سپس در مرحله آزمون پس از استخراج ویژگی داده های آزمون بردار ویژگی توسط الگوی بدست آمده کاهش داده شده و عمل طبقه بندی نهایی صورت می گیرد. با اعمال روش ذکر شده روی پایگاه داده تصاویر ارقام دستنویس فارسی هدی، دقت بازشناسی99.40% بدون کاهش ویژگی و دقت بازشناسی 99.28% با کاهش ویژگی بدست آمده است. مقایسه نتایج با کار محققان دیگر حاکی از آن است روش ارائه شده در استخراج ویژگی و انتخاب ویژگی از کارآیی مناسبی برخوردار است.