سال انتشار: ۱۳۹۰

محل انتشار: نوزدهمین کنفرانس مهندسی برق ایران

تعداد صفحات: ۶

نویسنده(ها):

محمدمهدی نعمت الهی – بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز
حمید محمودی – بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز
برهان کظیمی پور – بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز
بهار صالحی – بخش کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه شیراز

چکیده:

یکی از مشکلات شایع سامانههای طبقهبندی، تعداد زیاد ویژگیها و در نتیجه پیچیدگی فضایی و زمانی بالاو حتی کاهش دقت این سامانهها است. از این رو، در این مقاله دو شیوه جدید انتخاب ویژگی وابسته به کلاس جهت افزایش دقت طبقهبندیکننده و کاهش پیچیدگی آنها ارائه کردهایم. جهت اثبات عملی برتری روشهای پیشنهادی، آنها را بر روی یک سامانه تشخیص نویسههای نوری ارقام فارسی آزمودهایم. نتایج حاصل از آزمایشها بر روی چهار دسته ویژگی مختلف و سه طبقهبندی متفاوت حاکی از غلبه روشهای وابسته به کلاس پیشنهادی بر شیوههای مشابه (ناوابسته به کلاس) است. این برتری شامل تا ۹٫۷ % افزایش دقت در طبقهبندی نویسهها است.