ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Arabic offline handwritten isolated character recognition system using bayesian network and neural network

العنوان بلغة أخرى: التعرف على الحروف العربية المعزولة و المكتوبة بخط اليد باستخدام الشبكة البيزية و الشبكة العصبية
المؤلف الرئيسي: Abd Alkafor, Ahmed Subhi (Author)
مؤلفين آخرين: Al Hamouz, Sadeq (Advisor)
التاريخ الميلادي: 2016
موقع: عمان
الصفحات: 1 - 132
رقم MD: 731751
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة الشرق الأوسط
الكلية: كلية تكنولوجيا المعلومات
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

35

حفظ في:
LEADER 03778nam a22003377a 4500
001 0295936
041 |a eng 
100 |9 383639  |a Abd Alkafor, Ahmed Subhi  |e Author 
245 |a Arabic offline handwritten isolated character recognition system using bayesian network and neural network 
246 |a التعرف على الحروف العربية المعزولة و المكتوبة بخط اليد باستخدام الشبكة البيزية و الشبكة العصبية 
260 |a عمان  |c 2016 
300 |a 1 - 132 
336 |a رسائل جامعية 
502 |b رسالة ماجستير  |c جامعة الشرق الأوسط  |f كلية تكنولوجيا المعلومات  |g الاردن  |o 0044 
520 |a إن التعرف الضوئي على الأحرف (OCR) تعد واحدة من مجالات البحوث الفعالة والنشطة والتي لها استخدامات واسعة في كثير من المجالات منذ الأيام الأولى لعلوم الحاسوب. على الرغم من أن هذا الحقل يعتبر من الحقول الناضجة، إلا أن اللغة العربية تعتبر واحدة من اللغات الأساسية التي حازت على القليل من الاهتمام في هذا المجال البحثي من قبل الباحثين العرب على وجه الخصوص والباحثين الأجانب بشكل عام. ونظرا للطبيعة المتصلة للأحرف العربية المكتوبة بخط اليد، فأن التعرف إلى الأحرف العربية يعد واحدة من المشاكل الأكثر تحديا مقارنة مع التعرف إلى أحرف اللغات اللاتينية واليابانية والصينية. في هذه الأطروحة، تم اقتراح نظام للتعرف إلى الأحرف العربية المعزولة والمكتوبة بخط اليد استنادا إلى تقنيات جديدة في استخراج الميزات وتم استخدام الشبكة البيزية كأداة لقياس فاعلية هذه الميزات واستخدام الشبكة العصبية ذات الانتشار العكسي كأداة للتصنيف وقد أطلقنا على هذا النظام (BBAOCR). تم تنفيذ واختبار هذا النظام باستخدام قاعدة البيانات (CENPARMI) حيث تم الحصول على دقة تصنيف منافسة وصلت إلى (٩٤.٧٥%) وتشكل هذه النتيجة حافزا لنا وللأبحاث الأخرى لتوظيف هذه التقنيات المستخدمة في استخراج الميزات للتعرف على الأشكال الأخرى للحروف العربية أو دمج هذا النظام المقترح كجزء في أنظمة التعرف على النصوص العربية المكتوبة بخط اليد. 
653 |a تقنية المعلومات  |a الحروف العربية   |a الخط اليدوي  |a الشبكات العصبية  |a علوم الحاسبات 
700 |9 383641  |a Al Hamouz, Sadeq  |e Advisor 
856 |u 9802-015-008-0044-T.pdf  |y صفحة العنوان 
856 |u 9802-015-008-0044-A.pdf  |y المستخلص 
856 |u 9802-015-008-0044-C.pdf  |y قائمة المحتويات 
856 |u 9802-015-008-0044-F.pdf  |y 24 صفحة الأولى 
856 |u 9802-015-008-0044-1.pdf  |y 1 الفصل 
856 |u 9802-015-008-0044-2.pdf  |y 2 الفصل 
856 |u 9802-015-008-0044-3.pdf  |y 3 الفصل 
856 |u 9802-015-008-0044-4.pdf  |y 4 الفصل 
856 |u 9802-015-008-0044-5.pdf  |y 5 الفصل 
856 |u 9802-015-008-0044-R.pdf  |y المصادر والمراجع 
856 |u 9802-015-008-0044-S.pdf  |y الملاحق 
930 |d y 
995 |a Dissertations 
999 |c 731751  |d 731751 

عناصر مشابهة