ترجمه مقالات کامپیوتر

دانلود ترجمه مقاله شناخت دست خط عربی مبتنی برکلمه با طبقه بندی ماشین بردار پشتیبان

ترجمه فارسی مقاله تشخیص دستخط عربی مبتنی برکلمه با طبقه بندی ماشین بردار پشتیبان 

مقاله ترجمه شده تشخیص دستخط عربی مبتنی برکلمه با طبقه بندی ماشین بردار پشتیبان مربوط به رشته مهندسی کامپیوتر و درباره هوش مصنوعی، مهندسی الگوریتم ها و محاسبات می باشد که هم اکنون می توانید مقاله انگلیسی بهمراه ترجمه فارسی آن را از سایت کالج پروژه دانلود نمایید.

 .

دانلود مقاله انگلیسی با ترجمه فارسی :
دانلود رایگان مقاله انگلیسی Word-Based Arabic Handwritten Recognition Using SVM Classifier with a Reject Option

خرید ترجمه فارسی مقاله تشخیص دستخط عربی مبتنی برکلمه با طبقه بندی ماشین بردار پشتیبان 

 .

بخشی از ترجمه فارسی مقاله :  تشخیص دستخط عربی مبتنی برکلمه با طبقه بندی ماشین بردار پشتیبان 
 تشخیص دستخط عربی به دلیل تغییر پذیری بالا متن عربی و مشخصه های ذاتی اش نظیر اتصال به هم ، شکسته بودن خط و نشانه های تفکیک کننده یک کار چالش برانگیز می باشد . مقاله حاضر یک آفلاین کلمه محور را معرفی می کند . سیستم تشخیص دستخط عربی مبتنی بر ویژگی های تبدیل کسینوسی گسسته و طبقه بندی ماشین بردار پشتیبان با استفاده از گزینه نپذیرفتن بهبود یافته بود . این مورد مبتنی بر تعداد کلمات فرعی در تصویر کلمه ورودی می باشد که با استفاده از الگوریتم قطعه سازی جدید محاسبه شده بود . ما برای ارزیابی سیستم پیشنهادی مان ازپایگاه داده کلمات دست خط عربی  IFN/ENIT استفاده کرده ایم واثربخشی رویکرد نا در ارتقای عملکرد تشخیص در  نتایج نشان داده شده اند .

 .

بخشی از مقاله انگلیسی :

 Word-Based Arabic Handwritten Recognition Using SVM Classifier with a Reject Option
 Arabic handwritten recognition is a challenging task due to high variability of Arabic script and its intrinsic characteristics such as cursiveness, ligatures and diacritics. This paper presents a word-based off-line Arabic handwritten recognition system based on discrete cosine transform features and SVM classifier enhanced using a reject option. The latter is based on the number of sub-words in the input word image calculated using a novel segmentation algorithm. To evaluate our proposed system, we used the IFNIENIT database of Arabic handwritten words and the results has shown the effectiveness of our approach in enhancing the recognition performance.

 .

مشخصات مقاله :
عنوان فارسی:  تشخیص دستخط عربی مبتنی برکلمه با استفاده از طبقه بندی ماشین بردار پشتیبان با گزینه نپذیرفتن
عنوان انگلیسی:  Word-Based Arabic Handwritten Recognition Using SVM Classifier with a Reject Option
تعداد صفحات مقاله انگلیسی :  5 تعداد صفحات ترجمه فارسی :  11
سال انتشار :  2015
نشریه:   آی تریپل ای – IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول :  7600
رفرنس : دارد
محتوای فایل : zip حجم فایل :  1.31Mb
رشته های مرتبط با این مقاله:  مهندسی کامپیوتر
گرایش های مرتبط با این مقاله:  هوش مصنوعی، مهندسی الگوریتم ها و محاسبات
مجله:  دهمین کنفرانس بین المللی طراحی و برنامه های سیستم های هوشمند
دانشگاه: آزمایشگاه LARIT، دانشگاه ابن توفیل، دانشکده علوم، مراکش
کلمات کلیدی:  دستخط عربی، تشخیص مبتنی بر کلمه، ماشین بردار پشتیبانی، DCT، گزینه نپذیرفتن 
وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه شده است

 

دانلود مقاله انگلیسی با ترجمه فارسی :
دانلود رایگان مقاله انگلیسی Word-Based Arabic Handwritten Recognition Using SVM Classifier with a Reject Option

خرید ترجمه فارسی مقاله تشخیص دستخط عربی مبتنی برکلمه با طبقه بندی ماشین بردار پشتیبان 

 

مطالب مرتبط:

دانلود مقالات کامپیوتر با ترجمه فارسی

دانلود رایگان مقاله انگلیسی با ترجمه فارسی

دانلود مقالات فناوری اطلاعات با ترجمه فارسی

دانلود رایگان مقاله انگلیسی با ترجمه فارسی کامپیوتر

 .

پشتیبانی :
شما پس از انتخاب دکمه خرید در سایت کالج پروژه به سایت ایران عرضه جهت انجام مراحل خرید هدایت خواهید شد.
– تلفن ثابت: ۰۴۱۴۲۲۷۳۷۸۱
– ساعات تماس: ۷ صبح الی ۱۸ عصر
– آدرس ایمیل: iranarze.supt@gmail.com
– تلگرام ایران عرضه: ۰۹۲۱۶۴۲۶۳۸۴
– پیامک: ۰۹۲۱۶۴۲۶۳۸۴
– آدرس: آذربایجان شرقی، مرند، خیابان کشاورزی، کوچه امین، پلاک ۳۰
– کد پستی: ۵۴۱۶۸۵۵۱۸۳

پشتیبانی و تیکت

سوالات متداول

پیگیری خرید

telegram.me/IranArze

 .

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا