Sezgisel bulanıklık temelinde karakter tanıma
2D character recognition basedon heuristic fuzziness
- Tez No: 83311
- Danışmanlar: DOÇ. DR. VASİF NABİYEV
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Basılı ve Elyazması Karakter Tanıma, Sezgisel Bulanıklık, Tekleştirme Modeli, Bilgi Tabanı, Özellik Vektörü VI, Bulanık, Karakter tanıma, Sezgisel algoritmalar, Yapay zeka, Printed and Handwritten Character Recognition, Heuristic Fuzziness, Unification Model, Information Base, Feature Vector BOKUMA »rTASVl~ VII, Fuzzy, Character recognition, Heuristic algorithms, Artificial intelligence
- Yıl: 1999
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Yaklaşık 30 yıldır bilim insanları karakter tanıma problemine çözüm bulmaya çalışmaktadırlar. Hala çözümlenememiş zorluklar bulunduğundan, bu koduda halen görev yapmakta olan enstitüler ve araştırma-geliştirme merkezleri bulunmaktadır. Geliştirilen çözümler matematiksel ya da algoritmik temellere dayanmaktadır ve bunlar da karakter görüntüsünün ölçeklenmesi, inceltilmesi ve filtrelenmesi gibi oldukça zaman alıcı ön- işlemler gerektirmektedir. Ön-işlemlere gerek duymayan ve daha hızlı (gerçek-zaman) sonuç üreten karakter tanıma yöntemlerine halen ihtiyaç vardır. Önemli olan insanın tanımasını doğru modelleyebilmektir. Bu amaçla çalışmada, önce algoritmik olan ağırlık merkezine dayalı tanıma, daha sonra da sezgisellik içeren tekleştirme modeline dayalı tanıma yöntemleri geliştirilmiştir. Bu iki yöntemin de hata toleransının düşük olması nedeniyle, sezgisel bulanıklık temelinde, bulanık sınıflamak tekleştirme modeli adı verilen, üçüncü bir modelleme yapılmıştır. Kurallı bilgi tabanı ve karşılaştırma kriterleri belirlenerek elde edilen deneysel sonuçlara dayanarak modelin gerçek tanıma (insanın tanıması) modeline daha yakın olduğu gösterilmiştir. Bu modelin bilgi tabanı ile aynı yazı tipinde, fakat farklı büyüklükteki karakterlerdeki başarısı %98 düzeyindedir. Aynı zamanda, belirlenen kriterlere göre en yüksek değeri veren ilk iki karakterden biri % 100 doğru karakterdir. Bulanık sınıflamalı tekleştirme modeli, bilgi tabanını oluşturan karakterler ile farklı yazı tipindeki karakterlerde de %70 civarında başarı göstermektedir. Bu sonuç elyazması karakterler için de bu modelin başarılı olabileceğine bir işarettir. Çalışmada; yapay zeka, örüntü tanıma, küme teorisi, bulanık küme teorisi ve bilgisayar bilimleri disiplinlerinden yararlanılmıştır.
Özet (Çeviri)
SUMMARY 2D Character Recognition Based on Heuristic Fuzziness For decades, scientists have worked on the solutions of the character recognition problem. But there are still some difficulties in this problem, so institutes and research centers continue working on this subject. Implemented solutions are based on mathematical and/or algorithmic foundations that need preprocessing of the character image such as scaling, thinning and filtering. Thus the methods which gives the results faster (i.e. real-time) that do not need preprocessing are still desired. Modeling the human beings' recognition is the most important. For this purpose, in this study an algorithmic technique that is based on the center of gravity of the image, and an heuristic technique which is based on the unification model are implemented. Because of the low fault tolerance rates of both of these methods, a third model, called unification model with fuzzy classification, is designed based on heuristic fuzziness. By defining the information base with rules and comparison criteria, the observed experimental results show that this model is closer to the real recognition model of human beings. For the characters of the same font, but with different sizes this model has a recognition rate of 98%. Also, experiments show that the correct character is one of the top two candidate characters (rates according to the defined criteria) 100% of the time. The unification model with fuzzy classification, gives a 70% recognition rate for the characters of different font and different size. This result is an indication that this model can be successful for handwritten characters. In this study, artificial intelligence, pattern recognition, set theory, fuzzy set theory and computer science disciplines are used.
Benzer Tezler
- Bulanık kavramlar için genelleştirilmiş mantık yapıları
Generalized logical structures for fuzy concepts
M.DERYA ALTUNAY
Doktora
Türkçe
1998
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TURHAN ÇİFTÇİBAŞI
- A Decision support system for a course scheduling problem
Ders çizelgelemesi için bir karar destek sistemi
NEJAT ALPER ERDAL
- Sezgisel topolojik uzaylarda bağlantılılık türleri üzerine
On several types of connectedness in intıitionistic topological spaces
SELMA ÖZÇAĞ
- Sezgisel belirtisiz topolojik uzaylarda ayırma aksiyomları üzerine
On separation axioms in intuitionistic fuzzy topological spaces and intuitionistic topological spaces
SADIK BAYHAN
