文献

J-GLOBAL ID：202202272696702259   整理番号：22A1053231

機械学習分類器を用いた手書き数字認識へのアプローチ【JST・京大機械翻訳】

An Approach to Recognize Handwritten Digits Using Machine Learning Classifiers

著者 (3件)： Hossen Md Ismail (American International University-Bangladesh (AIUB), Dhaka, Bangladesh) ,  Hossen J. (Multimedia University, Melaka, Malaysia) ,  Hossain Md Nazmul (American International University-Bangladesh (AIUB), Dhaka, Bangladesh)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 835  ページ： 449-458  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 手書き数字認識はパターン認識研究の分野における最も重要な課題の1つである。バンクチェック処理,郵送形式,電話番号データ入力のような手書き数字認識の多くの利用が自動数字認識の一般的応用である。問題の感情は,手書き数字を認識できる効率的なアルゴリズムを開発する能力の中で decする。通常,これらの数字はディジタルデバイスによる走査文書から通常見出される。典型的には,電話数,銀行数,後数などの手書き数字を保存し,人間介入で非常に厄介である。効率的な手書き数字認識は,この危険を根絶できる。手書き数字の認識の困難さを除去するために,本論文は機械学習アルゴリズムを使用する方式を提案した。本研究の目的は手書き数字を認識するための信頼できて有効なアプローチを提示することである。いくつかの教師つき機械学習分類器を認識のために採用し,それらの精度を比較し,議論した。最高の97.07%の精度がランダムフォレスト分類器によって見出された。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  パターン認識 ,  銀行 ,  電話 ,  精度 ,  *手書き文字認識 ,  ディジタル方式 ,  *数字 ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： *手書き ,  電話番号 ,  ランダムフォレスト ,  *数字認識 ,  *手書き数字認識 ,  教師付き機械学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 手書き数字認識 ,  機械学習 ,  テキスト認識

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 機械学習 ,  分類器 ,  手書き数字認識