Effects of feature extraction methods on handprint character recognition systems
Özellik çıkarma yöntemlerinin elyazısı karakter tanıma sistemleri üzerindeki etkileri
- Tez No: 101353
- Danışmanlar: DOÇ.DR. M. ERTUĞRUL ÇELEBİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: El yazısı, Karakter tanıma, Yapay sinir ağları, Handwriting, Character recognition, Artificial neural networks
- Yıl: 2001
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
“ÖZELLİK ÇIKARMA YÖNTEMLERİNİN EL YAZISI KARAKTER TANIMA SİSTEMLERİ ÜZERİNDEKİ ETKİLERİ”ÖZET Bu çalışmada, özellik bulma yöntemleriyle ve bu yöntemlerin elle yazılmış Türkçe büyük harfleri tanıyan sistemler üzerindeki etkileriyle ilgilenilmiştir. İçerisinde 1 9000 adet büyük harf ve 6540 adet rakam bulunan bir Türkçe Elyazısı Veritabanı oluşturulmuş, bu karakterleri saklamak için de yeni bir“itu”resim dosya formatı yaratılmıştır. Bir karakter tanıma sistemi üç ana parçadan oluşur: Ön İşlemler, Özellik Çıkarma ve Sınıflandırma. Bu çalışmada bütün parçalar gerçeklenmiş ancak Özellik Çıkarma özerine yoğunlaşılmıştır. Karhunen-Loeve (KL) Dönüşümünün zayıf yönleri araştırılmış ve KL dönüşümü ile bulunan özelliklerin, harflerin şekilleriyle ilgili bilgi taşımamasından kaynaklanan eksiklikler tesbit edilmiştir. Bu yüzden, geometrik bilgi taşıyan özelliklerin KL dönüşümü ile bulunan özelliklerle birlikte kullanılması önerilmiştir. Bu özellikleri sınıflandırmak için Backpropagation yöntemi ile eğitilmiş MLP (Multi Layer Perceptron) Yapay Sinir Ağlan kullanılmıştır. IX
Özet (Çeviri)
“EFFECTS OF FEATURE EXTRACTION METHODS ON HANDPRINT CHARACTER RECOGNITION SYSTEMS”ABSTRACT In this study, we worked on the feature extraction methods and their effects on the performance of Turkish uppercase handprint character recognition systems. A Turkish Handprint Database was created, which includes 19000 uppercase and 6540 digit characters. We created a new“itu”image file format for storing these characters. A character recognition system includes three main parts: Preprocessing, Feature Extraction and Classification. We realized all steps but especially focused on the Feature Extraction step. The weaknesses of the Karhunen-Loeve (KL) Transform was investigated and it was understood that these weaknesses are caused by absence of the shape information, among the KL transformed features. Therefore, we suggest to use some geometric features together with KL transformed features. We used the MLP (Multi Layer Perceptron) Neural Networks, which are trained by the Error Backpropagation method, to classify these features. vm
Benzer Tezler
- Yapay sinir ağları ve genetik algoritmalar kullanılarak EKG vurularının sınıflandırılması
Classification of ECG beats by using artifical neural networks and genetic algorithms
ZÜMRAY DOKUR
- Analitik ve digital fotogrametrik nirengi yöntemlerinin kıyaslanması
Başlık çevirisi yok
OKTAY AKSU
Yüksek Lisans
Türkçe
1998
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖNÜL TOZ
- Gemilerin ısar ile görüntülenmesinde radar saçılma yüzeylerinin fizik optik yardımıyla modellenmesi
Başlık çevirisi yok
E.ELİF TEPELİ
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERCAN TOPUZ
- Yapay sinir ağları ile doku sınıflandırma
Tissue classification using artificial neural networks
AYSU SEVEN
Yüksek Lisans
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERTUĞRUL YAZGAN