文献

J-GLOBAL ID：201802225172586882   整理番号：18A2028811

オフライン手書き文字認識のためのいくつかの特徴選択技法の性能比較【JST・京大機械翻訳】

Performance Comparison of Several Feature Selection Techniques for Offline Handwritten Character Recognition

著者 (4件)： Kumar Munish (Department of Computational Sciences, Maharaja Ranjit Singh Punjab Technical University, Bathinda, Punjab, India) ,  Jindal M. K. (Department of Computer Science and Applications, Panjab University Regional Centre, Muktsar, Punjab, India) ,  Sharma R. K. (Department of Computer Science & Engineering, Thapar University Patiala, Punjab, India) ,  RaniJindal Simpel (Computer Science & Engineering, Section Yadavindera College of Engineering, Talwandi Sabo, Bathinda Punjab, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： RICE  ページ： 1-6  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,オフライン手書きGurmukhi文字認識のための様々な特徴選択技術の性能比較を提示した。Gurmukhiスクリプトのオフライン手書き文字認識に関する研究は,ほとんどの他のスクリプトにおいて事実ではないスクリプトの複雑な構造的性質のために非常に困難である。Gurmukhiは,インドのPunjab州の公式言語であるPunjabi言語を書くために使用されるスクリプトである。特徴ベクトルの次元を減らすために,文字画像の境界範囲に基づくオフライン手書きGurmukhi文字認識のための特徴抽出技術を提示し,様々な特徴選択技術を用いた。また,2つの異なる分類器を用いて,それらの認識性能を比較した。すなわち,線形カーネルを有する最近傍(NN)とサポートベクトルマシン(SVM)である。異なる分類方式を用いて,異なる特徴選択技術の性能解析を行った。提示した特徴抽出技術を用いて得られた結果は,Chi平方根(CSA)特徴選択技術が,文字認識のための線形カーネル分類器を有するNNとSVMを用いた他の特徴選択技術より良く機能することを示した。本研究では,Gurmukhiスクリプトの上部ゾーン,中部ゾーンおよび下部ゾーンに対して,それぞれ88.3%,95.2%および91.3%のゾーンごとの最大認識精度を得た。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *特徴選択 ,  サポートベクトルマシン ,  特徴抽出 ,  線形性 ,  言語 ,  *手書き文字認識 ,  インド ,  *文字認識
準シソーラス用語： 認識精度 ,  文字画像 ,  特徴ベクトル ,  スクリプト ,  *手書き ,  *性能比較 ,  *オフライン , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： オフライン ,  手書き文字認識 ,  特徴選択 ,  技法 ,  性能比較