مقاله #432

چکیده. این مقاله یک مطالعه مقایسه ای از دو روش یادگیری ماشینی برای تشخیص دست نویس کلمات عربی است، که در آن، مدل های مارکوف مخفی (HMMها) و شبکه های بیزی دینامیکی (DBNها) ارزیابی می شوند. این کار به 3 مرحله تقسیم می شود: پیش پردازش، استخراج ویژگی، و دسته بندی. پیش پردازش شامل ارزیابی خط مبنا، و نرمال سازی و تقسیم بندی است. در مرحله دوم، ویژگی ها از هر کار نرمال شده ای استخراج می شوند، که در آن مجموعه ای از ویژگی های جدید برای دست نویس عربی براساس روش پنجره سرنده (غلتان) متحرک در میان تصاویر کلمه ای آینه ای، ارائه می شود. مرحله سوم دسته بندی و تشخیص است، که در آن یادگیری ماشینی با استفاده از HMMها و DBNها اجرا می شود. بمنظور تایید این روش ها، آزمایشات گسترده ای با استفاده از پایگاه داده شامل 32492 کلمه عربی، انجام شده است. نتایج آزمایش و ارزیابی های کمی نشان داده که، HMM براساس سرعت تشخیص بالاتر و پیچیدگی کمتر، بهتر عمل می نماید.