Recognition of off-line handwritten Arabic (Indian)‎ numerals using multi-scale features and support vector machines Vs. hidden Markov Models

تاريخ النشر

2009-10-31

دولة النشر

السعودية

عدد الصفحات

التخصصات الرئيسية

تكنولوجيا المعلومات وعلم الحاسوب

الملخص AR

تصف هذه الورقة طريقة للتعرف التلقائي على الأرقام العربية (الهندية) المكتوبة بخط اليد دون اتصال بالحاسب باستخدام ماكينات دعم المتجهات و نماذج ماركوف المخفية.

و تم استخدام مميزات للمقاييس محلية، و متوسطة، و موسعة، و من خلال التجارب العملية تم الوصول إلى قيم المتغيرات لماكينات دعم الجهات التي تعطي أعلى معدلات التعرف من خلال استخدام خوارزم للبحث الشامل، إضافة إلى ذلك تمت مقارنة نتائج التصنيف لماكينات دعم المتجهات بنتائج التصنيف المقابلة لنماذج ماركوف المخفية يستخدم هذا البحث قاعدة بيانات من 44 كاتبا مع 48 عينة لكل رقم بإجمالي 21120 عينة، و قد تم تدريب مصنفات ماكينات دعم المتجهات و نماذج ماركوف المخفية بمقدار 75 % من البيانات و اختبارها مع البيانات المتبقية.

أما بقية أقسام بيانات التدريب و الاختبار فقد تم استخدامها أيضا و أسفرت عن أداء مشابه.

و قد حققت معدلات التعرف متوسط 99.83 % و 99.00 % باستخدام مصنفات ماكينات دعم الجهات و نماذج ماركوف المخفية على التوالي، و ثبت أن مصنف ماكينات دعم المتجهات أفضل لجميع الأرقام، أما المقارنة على مستوى الكاتب (الكاتب 34 إلى 44) فأظهرت أن نتائج مصنف ماكينات دعم الجهات فاقت نتائج مصنف نماذج ماركوف المخفية لجميع الكتاب الذين تم اختبارهم، كما تم تحليل أخطاء التصنيف لمصنف ماكينات دعم المتجهات.

و أثبتت الطريقة الواردة بهذا البحث باستخدام مميزات متعددة المقاييس و مصنف ماكينات دعم المتجهات فعاليتها في التعرف على الأرقام العرابية (الهندية) المكتوبة بخط اليد دون اتصال بالحاسب، و تفوقها على مصنف نماذج ماركوف المخفية.

الملخص EN

This paper describes a technique for automatic recognition of off-line handwritten Arabic (Indian) numerals using Support Vector Machines (SVM) and Hidden Markov Models (HMM).

Local, intermediate, and large scale features are used.

SVM parameters, producing the highest recognition rates, are experimentally found by using an exhaustive search algorithm.

In addition, SVM classifier results are compared to those of the HMM classifier.

The present research uses a database of 44 writers with 48 samples of each digit totaling 21120 samples.

The SVM and HMM classifiers were trained with 75 % of the data and tested with the remaining data.

Other divisions of data for training and testing were performed and resulted in comparable performance.

The achieved average recognition rates were 99.83 % and 99.00 % using, respectively, the SVM and HMM classifiers.

SVM recognition rates proved to be better for all digits.

Comparison at the writer’s level (Writers 34 to 44) showed that SVM results outperformed HMM results for all tested writers.

The classification errors of the SVM classifier were analyzed.

The presented technique, using the powerful set of features and the SVM classifier, proved to be effective in the recognition of independent writer Arabic (Indian) numerals and was shown to be superior to the HMM classifier.

نمط استشهاد جمعية علماء النفس الأمريكية (APA)

Mahmud, Sabri A.& Uwaydah, Samih M.. 2009. Recognition of off-line handwritten Arabic (Indian) numerals using multi-scale features and support vector machines Vs. hidden Markov Models. The Arabian Journal for Science and Engineering. Section B, Engineering،Vol. 34, no. 2B, pp.429-444.
https://search.emarefa.net/detail/BIM-327770

نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)

Mahmud, Sabri A.& Uwaydah, Samih M.. Recognition of off-line handwritten Arabic (Indian) numerals using multi-scale features and support vector machines Vs. hidden Markov Models. The Arabian Journal for Science and Engineering. Section B, Engineering Vol. 34, no. 2B (Oct. 2009), pp.429-444.
https://search.emarefa.net/detail/BIM-327770

نمط استشهاد الجمعية الطبية الأمريكية (AMA)

Mahmud, Sabri A.& Uwaydah, Samih M.. Recognition of off-line handwritten Arabic (Indian) numerals using multi-scale features and support vector machines Vs. hidden Markov Models. The Arabian Journal for Science and Engineering. Section B, Engineering. 2009. Vol. 34, no. 2B, pp.429-444.
https://search.emarefa.net/detail/BIM-327770

نوع البيانات

مقالات

لغة النص

الإنجليزية

الملاحظات

Includes bibliographical references : p. 442-444

رقم السجل

BIM-327770

حفظتم الحفظ طباعة

قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"

أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي

منصة "معرفة" للكتاب العربي الجامعي الرقمي

تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر