مقاله استفاده از الگوریتم GSA در دو روش انتخاب ویژگی و وزندهی به ویژگی ها برای بهبود نرخ باز شناسی ارقام دستنویس فارسی به کمک طبقه بند فازی فایل ورد (word) دارای 6 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله استفاده از الگوریتم GSA در دو روش انتخاب ویژگی و وزندهی به ویژگی ها برای بهبود نرخ باز شناسی ارقام دستنویس فارسی به کمک طبقه بند فازی فایل ورد (word) کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله استفاده از الگوریتم GSA در دو روش انتخاب ویژگی و وزندهی به ویژگی ها برای بهبود نرخ باز شناسی ارقام دستنویس فارسی به کمک طبقه بند فازی فایل ورد (word) ،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله استفاده از الگوریتم GSA در دو روش انتخاب ویژگی و وزندهی به ویژگی ها برای بهبود نرخ باز شناسی ارقام دستنویس فارسی به کمک طبقه بند فازی فایل ورد (word) :
سال انتشار: 1389
محل انتشار: شانزدهمین کنفرانس بین المللی سالانه انجمن کامپیوتر ایران
تعداد صفحات: 6
نویسنده(ها):
نجمه قنبری – دانشجوی کارشناسی ارشد،گروه الکترونیک،دانشگاه بیرجند،بیرجند
سید محمد رضوی – استادیار،گروه الکترونیک،دانشگاه بیرجند
سید حسن نبوی کریزی – استادیار،گروه الکترونیک،آموزشکده فنی حرفه ای شهید منتظری،مشهد
چکیده:
دراین مقاله با استفاده از الگوریتم جستجوی گرانشی یا GSA نرخ بازشناسی ارقام دستنویس فارسی بهبود داده می شود دو روش برای بهبود نرخ بازشناسی پیشنهاد شده است درروش اول با استفاده از نسخه باینری الگوریتم جستجوی گرانشی یا BGSA از میان کل ویژگیهایی که برای ارقام به منظور بازشناسی استخراج کردها یم ویژگیهای بهینه را انتخاب می کنیم با این کار علاوه برکاهش تعداد ویژگیها و هزینه های محاسباتی نرخ بازشناسی را به میزان قابل توجهی بهبود می بخشیم درروش دوم با استفاده از نسخه حقیقی الگوریتم جستجوی گرانشی یا RGSA به جای انتخاب ویژگیهای بهینه از روش وزندهی با ویژگیها استفاده کرده و نرخ بازشناسی را بهبود می بخشیم دراین روش به هرکدام از ویژگیها یک وزن نسبت می دهیم درواقع بردار ویژگی را در بردار وزن ضرب کرده و بردار ویژگی جدیدی بدست می آوریم این بردار وزن را با الگوریتم RGSA به دست می آ وریم الگوریتم RGSA بعد از چندین بار تکرار مجموعه وزن ویژگی ها را به گونه ای تعیین می کند که دقت طبقه بندی افزایش یابد دراین مقاله از روش فازی برای طبقه بندی استفاده می کنیم تابع برازندگی در الگوریتمهای RGSABGSA تعداد خطاهای طبقه بندی کننده فازی می باشد و هدف مینیمم کردن این مقدار است نتایج این دو روش کارایی آنهارا تایید می کنند.
