فایل ورد کامل تشخیص آفلاین دست خط فرهنگ لغت بزرگ: بررسی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تشخیص آفلاین دست خط فرهنگ لغت بزرگ: بررسی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۵۱ صفحه

پایگاه داده
محدودیت دیگر برای توسعه سیستم های تشخیص دستخط فرهنگ لغت بزرگ عبارتست از مقدار داده مورد نیاز برای اموزش و تست . تکنیک خودکار برای یادگیری نظم ها در داده دستخط به صورت مستقیم در مدل های آماری ارایه می گردد . علاوه براین ، داده های بیشتر با گرایش یکی کردن اطلاعات مفهومی در تشخیص برای اموزش و صحه گذاری سیستم ها مورد نیاز می باشند . پایگاه داده های در دسترس ( یعنی BERN ، CAMBRIDGE ، CEDAR و IRONOFF ) برای چنین وظیفه ای کافی نیستند . پایگاه داده برن (Bern ) دارای ۱۲۸۱۹ کلمه متشکل از ۱۰۰ لغت استخراج شده ا پایگاه داده صفحه دستخط می باشد که توسط ۲۰۰ نویسنده تولید شده اند . پایگاه داده ]۲۱[ دارای ۴۰۵۳ بود که توسط نویسنده تکی متشکل از لغت نامه ۱۳۳۴ کلمه ای تولید گردید . پایگاه داده CEDAR ] 128[ حاوی ۵۶۳۲ کلمه شهر بعلاوه ۴۹۸۳ کلمه ایالات می باشد . پایگاه داده IRONOFF دارای ۳۱۳۴۶ کلمه تفکیک شده از ۱۹۷ لغت نامه کلمه می باشد که از حدود ۶۰۰ نویسنده متفاوت جمع اوری گردیدند .

عنوان انگلیسی:Large vocabulary off-line handwriting recognition: A survey~~en~~

Database

For the development of unconstrained large vocabulary handwriting recognition systems, another limitation is the amount of data required for training and testing. Statistical methods provide an automatic procedure to ‘learn’ the regularities in the handwriting data directly. The need of a large set of good training data is thus more critical than ever. Furthermore, with the tendency of incorporating contextual information in the recognition, more data are needed for the training and validation of systems. The available databases (e.g. BERN, CAMBRIDGE, CEDAR and IRONOFF) are not adequate for such a task. The Bern database [24] has 12,198 words comprising a 100 word lexicon extracted from a handwritten page database produced by 200 writers. The Cambridge database [21] has 4053 words produced by a single writer comprising a 1334-word lexicon. The CEDAR database [128] contains 5632 city words plus 4938 state words. The IRONOFF database has 31,346 isolated words from a 197 word lexicon collected from about 600 different writers.

$$en!!