Avaliação de conjuntos de características no reconhecimento de palavras manuscritas.
Este trabalho apresenta, urna avaliação comparativa de conjuntos de características utilizados no reconhecimento de palavras manuscritas. O principal objetivo 6 determinar um conjunto ótimo de características que representem as palavras referentes aos nomes dos meses do ano e extender as conclusões...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2002 |
| País: | Brasil |
| Institución: | Universidade Federal de Campina Grande (UFCG) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da UFCG |
| Idioma: | portugués |
| OAI Identifier: | oai:dspace.sti.ufcg.edu.br:riufcg/2504 |
| Acceso en línea: | https://dspace.sti.ufcg.edu.br/handle/riufcg/2504 |
| Access Level: | acceso abierto |
| Palabra clave: | Classificador neural de referência Manuscritos - reconhecimento digital Digital handwriting processing Palavras manuscritas - reconhecimento digital Reconhecimento de manuscritos Taxa de reconhecimento - classificadores Sistema de reconhecimento de caracteres óticos Modelos escondidos de Markov Rotulação de pixels Manuscripts - digital recognition Handwritten words - digital recognition Ciência da Computação. Engenharia Elétrica. |
| Sumario: | Este trabalho apresenta, urna avaliação comparativa de conjuntos de características utilizados no reconhecimento de palavras manuscritas. O principal objetivo 6 determinar um conjunto ótimo de características que representem as palavras referentes aos nomes dos meses do ano e extender as conclusões obtidas para outras aplicações. Neste intuito foi desenvolvido um sistema classificador neural de referência,, que 6 usado na determinação do desempenho das características avaliadas. Três tipos de características são analisadas: características perceptivas, direcionais e topológicas. A avaliação mostra que considerando os conjuntos de forma, isolada, o conjunto de características perceptivas produz os melhores resultados para o dicionário em questão. Estes resultados são melhorados quando os conjuntos de características e o sistema de referência são combinados com outro classificador, numa abordagem híbrida, obtendo uma laxa de reconhecimento média de 90.4%. |
|---|