![](/images/graphics-bg.png)
Handwritten recognition using neural networks based on multiple feature extraction algorithms
Other Title(s)
تمييز كتابة اليد باستخدام الشبكات العصبية المعتمدة على طرق متعددة لاستخلاص الخصائص
Joint Authors
al-Jumah, Basim Abd al-Baqi
al-Shammari, Iyad Ghazi Nasir
Kazim, Maryam Khalaf
Source
Issue
Vol. 55, Issue 4A (31 Dec. 2014), pp.1625-1637, 13 p.
Publisher
University of Baghdad College of Science
Publication Date
2014-12-31
Country of Publication
Iraq
No. of Pages
13
Main Subjects
Information Technology and Computer Science
Topics
Abstract AR
الحروف المكتوبة باليد تكون مبهمة في الغالب كما قد لا تكون الخطوط مستقيمة تماما"، و المنحنيات لا تكون بالضرورة بشكل واضح، و تختلف بذلك عن الحروف المطبوعة.
علاوة على ذلك، الحرف يمكن أن يرسم بحجوم مختلفة.
لذا، هذا البحث اقترحنا استخدام أربعة طرق معتمدة على خوارزميتي استخلاص الخصائص.
إن الخوارزمية الأولى هي تحويg الموجات المتقطعة Discrete wavelet transform و الخوارزمية الثانية هي تحويل رادون Radon transform و من خلال التجارب وجدت أن استخلاص الخصائص باستخدام تحويل رادون Radon transform هو تحويل أكثر دقة من تحويل المويجات المتقطعة Discrete wavelet transform.
التقنية المقترحة حساب تحويل رادون في اتجاهات مختلفة و يلتقط ملامح الاتجاه من الصور الحروف.
كان نسبة التمييز هي 93 % عند تدريب الشبكات العصبية باسخدام تحويل الرادون.
تمت المقارنة بين أربعة طرق لاختيار الأفضل منها.
تم تدريب الشبكات العصبية باستخدام خوارزمية الانتشار العكسي Back-Propagation.
Abstract EN
Handwritten letters are vague in nature as there may not always be sharp perfectly straight lines, and curves not necessarily be clearly, unlike the printed letters.
Furthermore, letter can be drawn in different sizes.
Therefore, the proposed used of four methods based on two algorithms for feature extraction.
The first algorithm discrete wavelet transform and second algorithm is Radon transform, by experiments was found that the feature extraction using radon transform is more precise than wavelet transform.
The proposed technique computes Radon projections in different orientations and captures the directional features of letter images.
The obtain recognition rate was 93 % when used for train artificial neural networks.
Comparative between four methods to choose the best has been done.
Training method is based on Back-Propagation learning algorithm used by feed forward Neural Network.
American Psychological Association (APA)
al-Jumah, Basim Abd al-Baqi& al-Shammari, Iyad Ghazi Nasir& Kazim, Maryam Khalaf. 2014. Handwritten recognition using neural networks based on multiple feature extraction algorithms. Iraqi Journal of Science،Vol. 55, no. 4A, pp.1625-1637.
https://search.emarefa.net/detail/BIM-516571
Modern Language Association (MLA)
al-Jumah, Basim Abd al-Baqi…[et al.]. Handwritten recognition using neural networks based on multiple feature extraction algorithms. Iraqi Journal of Science Vol. 55, no. 4A (2014), pp.1625-1637.
https://search.emarefa.net/detail/BIM-516571
American Medical Association (AMA)
al-Jumah, Basim Abd al-Baqi& al-Shammari, Iyad Ghazi Nasir& Kazim, Maryam Khalaf. Handwritten recognition using neural networks based on multiple feature extraction algorithms. Iraqi Journal of Science. 2014. Vol. 55, no. 4A, pp.1625-1637.
https://search.emarefa.net/detail/BIM-516571
Data Type
Journal Articles
Language
English
Notes
Text in English ; abstracts in English and Arabic.
Record ID
BIM-516571