سال انتشار: ۱۳۸۳

محل انتشار: ششمین کنفرانس سراسری سیستم های هوشمند

تعداد صفحات: ۹

نویسنده(ها):

سیدحسن نبوی کریزی – دانشکده فنی مهندسی، دانشگاه تربیت مدرس
احسان الله کبیر – دانشکده فنی مهندسی، دانشگاه تربیت مدرس

چکیده:

رویکردهای متفاوتی برای ترکیب طبقه بندها وجود دارد که متداولترین آنها، رویکرد رأی گیری است. دراین رویکرد، فقط از انتخاب اول هر طبقه بند بدون در نظرگرفتن امتیاز آن استفاده می شود. در روشی جدیدی که ما ارایه می کنیم سابقه قبلی طبقه بندها، فاصله امتیازهای هر طبقه بند در سه انتخاب اول و نرخ شناسایی کلی هرطبقه بند در نظر گرفته می شود. با توجه به سه انتخاب اول هر طبقه بند، یک امتیاز برای هر کلاس محاسبه می شود. کلاسی که بیشترین امتیاز را کسب کند، کلاس الگوی مورد نظر خواهد بود. برای بررسی کارایی روش پیشنهادی، نتایج سه طبقه بند شبکه عصبی، برای بازشناسی ارقام دستنویس، ترکیب شده اند. این طبقه بند ها از ویژگیهای مکان مشخصه، گشتاورهای زرنیکی و ویژگیهای ناحیه ای استفاده می کنند. مجموعه داده، شامل ۱۴۳۵ نمونه تصویراسکن شده ارقام دستنویس با دقت ۳۰۰ نقطه در اینچ است. ترکیب نتایج این سه طبقه بند با روش جدید، نرخ شناسایی % ۹۳٫۳ را حاصل کرد که نسبت به روشهای دیگر ترکیب بیشتر است