Handwritten Arabic Alphabet Recognition Using a Combination of Support Vector Machine and Neural Network
| العنوان بلغة أخرى: |
التعرف على الحروف الهجائية العربية المكتوبة بخط اليد باستخدام خوارزمية دعم المتجهات والشبكة العصبية الذكية |
|---|---|
| المؤلف الرئيسي: | الجوريشي، أمجد علي إبراهيم (مؤلف) |
| مؤلفين آخرين: | العمرى، محمود أحمد (مشرف) |
| التاريخ الميلادي: |
2020
|
| موقع: | عمان |
| الصفحات: | 1 - 68 |
| رقم MD: | 1180699 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة عمان العربية |
| الكلية: | كلية العلوم الحاسوبية والمعلوماتية |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
21
| المستخلص: |
يشكل تمييز الحروف العربية المكتوبة بخط اليد تحدبا كبيرا مقارنة باللغات الأخرى نظرا لطبيعة أحرفها المتصلة بشكل كبير، إضافة إلى أن العديد من الحروف لها شكل ومظهر متماثل. فعلى سبيل المثال؛ يكمن الاختلاف الوحيد بين بعض حروف الأبجدية بوجود نقاط أعلى أو أسفل شكلها الرئيسي وكذلك عدد هذه النقاط. وهناك صعوبة أخرى تكمن في الشكل المتموج للحروف العربية والتي يمكن حلها بواسطة الجمع بين العديد من تقنيات استخراج الميزات التي تعمل بشكل منفصل كلا على حدة، وهذا الحل الجزئي يجلب التعقيد والتكاليف الزائدة إلى نظام التعرف على الأحرف. تقترح هذه الأطروحة نظاما للتعرف على الحروف العربية المنفصلة المكتوبة بخط اليد باستخدام تحويل جيب التمام المنفصل DCT كطريقة لاستخراج ميزات الأحرف، واستخدم مصنف ذي مرحلتين يتألف من خوارزمية دعم المتجهات SVM والشبكة العصبية الذكية ANN. أثبت نظام تحويل جيب التمام المنفصل أن لديه بعض السمات والخصائص التي تجعله مناسبا لتمثيل الصورة وضغطها. حيث ان الشبكات العصبية الذكية معروفة بقدرتها على معرفة ونمذجة العلاقات غير الخطية المعقدة مثل العلاقة الموجودة بين معالم الحرف والحرف نفسه. جرى تدريب النظام على مصنفين تدريبيين وعلى مرحلتين، في المرحلة الأولى تم استخدام متجه المعالم (Feature Vector) المستخرجة والذي يتم استخراجه بواسطة نظام تحويل جيب التمام المنفصل لإنشاء مصنف SVM والتي نقوم بها بتقسيم الأحرف إلى مجموعتي، الحروف التي تحتوي على النقاط والحروف بدون النقاط. تم استخدام مخرجات هذه العملية لتوسيع متجه المعالم لكل حرف بقيمة الفئة لمنحه ميزة فريدة إضافية. يمكن لهذا القسم تقليل نسبة الخطأ في التعرف على الحروف ذات الشكل والمظهر المتماثل في المرحلة التالية. تستخدم المرحلة الثانية من النظام مخرجات المرحلة الأولى لبناء نموذج شبكة عصبية ذكية ANN لتصنيف الحروف. تم تدريب النظام واختباره على قاعدة بيانات تحتوي على حروف عربية أبجدية مكتوبة بخط اليد تدعى (AIA9K) والتي تحوي على 8988 حرفا. تم تطبيق التقنية المقترحة واختبارها وأثبتت النتائج التجريبية أن هذه التقنية تعمل على الوجه الصحيح وأن نتائج تطبيق خورازمية دعم المتجهات على الحروف العربية المكتوبة بخط اليد لتصل إلى 99.14%، غير أن دقة استخدام الشبكة العصبية الذكية مستقلة كان منخفضا إلى حد ما، حيث وصلت إلى 88.46%، ودقة النظام المقترح الذي يستخدم مزيجا من خوارزمية دعم المتجهات والشبكة العصبية الذكية حققت دقة تمييز بنسبة 91.84%. |
|---|
عناصر مشابهة
-
Arabic Handwritten Text Recognition Using Genetic Algorithm and Artificial Neural Network
بواسطة: الصمادي، حمزه سليم منشور: (2019) -
Recognition Of Handwritten Arabic Characters Via Neural Networks
بواسطة: Al Shridah, Muhammad Aref Muhammad منشور: (2000) -
Arabic printed/Handwritten Character Recognition using artificial neural network
بواسطة: Al Zubaidy, Laheeb Mohamed Ibrahim منشور: (2002) -
Arabic offline handwritten isolated character recognition system using bayesian network and neural network
بواسطة: Abd Alkafor, Ahmed Subhi منشور: (2016) -
Offline Arabic Holistic Handwritten Word Recognition using Support Vectors Machine
بواسطة: العون، مصباح عرسان حنيان منشور: (2019)
