توسعه ی الگوریتم بازشناسی اعداد دست نویس فارسی، بر پایه ی الگوریتم های طبقه بندی شبکه ی عصبی چندلایه و احتمالاتی، به کمک مراکز خوشه

در این پژوهش تلاش شده است تا با ارایه ی الگوریتمی بهبودیافته و مبتنی بر خوشه بندی، بازشناسی اعداد دست نویس فارسی با دقت قابل توجهی صورت پذیرد. بر این اساس، آموزش و بازشناسی الگوها به کمک شبکه ی عصبی احتمالاتی و چندلایه ی پرسپترون میسر شده است، به این صورت که پس از استخراج دو دسته ویژگی مکان مشخصه و ناحیه یی از داده های آموزشی، داده های هریک از کلاس های دهگانه بر اساس هر ویژگی با استفاده از روش های پیوند کامل، P A M و F C M خوشه بندی شده و کلاس های دهگانه ی جدید حاصل از خوشه بندی، توسط یکی از دو الگوریتم طبقه بندی کننده آموزش می بینند. تعداد بهینه خوشه های هر کلاس با استفاده از الگوریتم بهینه سازی جست وجوی ممنوعه با تابع برازندگی نرخ بازشناسی تعیین می شود. میزان دقت الگوریتم در نهایت با استفاده از داده های آزمایش مورد سنجش قرار می گیرد و با توجه به نتایج ملاحظه می شود که الگوریتم پیشنهادی، بازشناسی اعداد دست نویس فارسی را با دقت بالایی انجام می دهد.