• صفحه اصلی
  • مرور
    • شماره جاری
    • بر اساس شماره‌های نشریه
    • بر اساس نویسندگان
    • بر اساس موضوعات
    • نمایه نویسندگان
    • نمایه کلیدواژه ها
  • اطلاعات نشریه
    • درباره نشریه
    • اهداف و چشم انداز
    • اعضای هیات تحریریه
    • همکاران دفتر نشریه
    • اصول اخلاقی انتشار مقاله
    • بانک ها و نمایه نامه ها
    • پیوندهای مفید
    • پرسش‌های متداول
    • فرایند پذیرش مقالات
    • اخبار و اعلانات
  • راهنمای نویسندگان
  • ارسال مقاله
  • داوران
  • تماس با ما
 
  • ورود به سامانه ▼
    • ورود به سامانه
    • ثبت نام در سامانه
  • English
صفحه اصلی فهرست مقالات مشخصات مقاله
  • ذخیره رکوردها
  • |
  • نسخه قابل چاپ
  • |
  • توصیه به دوستان
  • |
  • ارجاع به این مقاله ارجاع به مقاله
    RIS EndNote BibTeX APA MLA Harvard Vancouver
  • |
  • اشتراک گذاری اشتراک گذاری
    CiteULike Mendeley Facebook Google LinkedIn Twitter
روش‌های هوشمند در صنعت برق
arrow مقالات آماده انتشار
arrow شماره جاری
شماره‌های پیشین نشریه
دوره دوره 10 (1398)
دوره دوره 9 (1397)
دوره دوره 8 (1396)
دوره دوره 7 (1395)
دوره دوره 6 (1394)
دوره دوره 5 (1393)
دوره دوره 4 (1392)
دوره دوره 3 (1391)
شماره شماره 12
شماره شماره 11
شماره شماره 10
شماره شماره 9
دوره دوره 2 (1390)
دوره دوره 1 (1389)
قدس, وحید, کبیر, احسان اله. (1392). بازشناسی حروف برخط فارسی با استفاده از ویژگی‌های ساختاری. روش‌های هوشمند در صنعت برق, 3(10), 55-65.
وحید قدس; احسان اله کبیر. "بازشناسی حروف برخط فارسی با استفاده از ویژگی‌های ساختاری". روش‌های هوشمند در صنعت برق, 3, 10, 1392, 55-65.
قدس, وحید, کبیر, احسان اله. (1392). 'بازشناسی حروف برخط فارسی با استفاده از ویژگی‌های ساختاری', روش‌های هوشمند در صنعت برق, 3(10), pp. 55-65.
قدس, وحید, کبیر, احسان اله. بازشناسی حروف برخط فارسی با استفاده از ویژگی‌های ساختاری. روش‌های هوشمند در صنعت برق, 1392; 3(10): 55-65.

بازشناسی حروف برخط فارسی با استفاده از ویژگی‌های ساختاری

مقاله 7، دوره 3، شماره 10، تابستان 1391، صفحه 55-65  XML اصل مقاله (527.2 K)
نوع مقاله: مقاله پژوهشی
نویسندگان
وحید قدس email 1؛ احسان اله کبیر2
1مربی/دانشگاه آزاد اسلامی واحد سمنان
2استاد/دانشگاه تربیت مدرس تهران
چکیده
در این مقاله گروه‌بندی و بازشناسی حروف تنهای فارسی که به صورت برخط نوشته شده باشند، بر اساس ویژگی‌های ساختاری آن‌ها ارائه شده است. حروف بر اساس شکل و ساختار نوشتاری بدنه اصلی آن‌ها به 9 گروه تقسیم می‌شوند. پس از استخراج ویژگی‌ها، گروه‌بندی با استفاده از درخت تصمیم انجام می‌شود. بازشناسی نهایی حروف با توجه به ساختار اجزای کوچک آن‌ها در هر گروه صورت می‌پذیرد. با توجه به این که در این مقاله از روش‌های زمان‌بر برای بازشناسی استفاده نشده است، روش پیشنهادی، روشی سریع در بازشناسی حروف برخط فارسی است. نتایج پیاده‌سازی این روش بر روی مجموعه داده "حروف برخط دانشگاه تربیت مدرس"، گروه‌بندی و بازشناسی حروف را به ترتیب با دقت بالای %94 و %92 نشان می‌دهد و این در حالی است که میانگین زمان پردازش و بازشناسی یک حرف حدود 3 میلی ثانیه به دست آمد.
کلیدواژه‌ها
بازشناسی؛ گروه‌بندی؛ دستنوشته برخط؛ درخت تصمیم؛ فارسی؛ حروف تنها
عنوان مقاله [English]
Online Farsi Character Recognition Using Structural Features
نویسندگان [English]
Vahid Ghods1؛ Ehsanollah Kabir2
1Lecture/Semnan Branch, Islamic Azad University
2Professor/Tarbiat Modarres University, Tehran
چکیده [English]
In this paper, grouping and recognition of online Farsi discrete characters are presented according to their structural features. The letters are divided into 9 groups based on the form and structure of their main bodies. After feature extraction, grouping is performed using a decision tree. Final recognition of letters is carried out in each group by delayed strokes. The proposed method is a rapid method in character recognition because time-consuming methods have not been used. Our proposed method was tested on TMU-OFS dataset, and a recognition rate of 94% and 92% was achieved for character grouping and recognition, respectively. The mean processing time for recognizing a letter was 3ms.
کلیدواژه‌ها [English]
recognition, Grouping, Online handwriting, decision tree, Farsi, Discrete letters
آمار
تعداد مشاهده مقاله: 5,228
تعداد دریافت فایل اصل مقاله: 1,967
صفحه اصلی | واژه نامه اختصاصی | اخبار و اعلانات | اهداف و چشم انداز | نقشه سایت
ابتدای صفحه ابتدای صفحه

Journal Management System. Designed by sinaweb.