Разработка системы оптического распознавания символов на основе совместного применения вероятностной нейронной сети
| Parent link: | Известия Томского политехнического университета [Известия ТПУ]/ Томский политехнический университет (ТПУ).— , 2000- Т. 323, № 5 : Управление, вычислительная техника и информатика.— 2013.— [С. 101-105] |
|---|---|
| Hovedforfatter: | |
| Institution som forfatter: | |
| Andre forfattere: | , |
| Summary: | Заглавие с титульного листа Электронная версия печатной публикации Существует множество подходов к решению задачи оптического распознавания символов. Одним из них является нейросетевой метод распознавания, в котором для классификации используется нейронная сеть с топологией многослойного персептрона. Нами разработан и представлен метод для анализа и классификации символов на основе применения вейвлетпреобразования для сокращения пространства признаков и вероятностной нейронной сети. Преимуществом вероятностной нейронной сети как классификатора является возможность использования вероятностного смысла выходных значений сети для улучшения качества распознавания. Осуществлен выбор оптимальной конфигурации параметров метода. Проанализированы результаты численных экспериментов по распознаванию символов, и проведена оценка быстродействия метода. В качестве исходных данных для тестирования предложенного метода использовались наборы символов с наличием пиксельного шума. Предложенный метод показал приемлемые результаты в 98 % правильно классифицированных символов. There are a lot of approaches to solve the problem of optical character recognition. One of them is the approach based on neural networks. The authors have proposed and implemented an approach of analyzing and classification based on wavelet transformation for reducing the feature space and probabilistic neural network for recognition. The main advantage of probabilistic neural network is the probabilistic significance of its output neurons which can be used to improve the quality of recognition. Optimal values of parameters were selected for such approach. The results of numerical experiments were analyzed and the time-performance of this approach was assessed. The set of noisy character images was used to assess the proposed approach. This method showed 98 % of acceptable recognition. |
| Sprog: | russisk |
| Udgivet: |
2013
|
| Serier: | Интеллектуальные системы |
| Fag: | |
| Online adgang: | http://earchive.tpu.ru/bitstream/11683/5067/1/bulletin_tpu-2013-323-5-17.pdf |
| Format: | Electronisk Book Chapter |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=247927 |
MARC
| LEADER | 00000nla2a2200000 4500 | ||
|---|---|---|---|
| 001 | 247927 | ||
| 005 | 20240209103555.0 | ||
| 035 | |a (RuTPU)RU\TPU\book\269554 | ||
| 090 | |a 247927 | ||
| 100 | |a 20140116d2013 k y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drnn ---uucaa | ||
| 181 | 0 | |a i | |
| 182 | 0 | |a b | |
| 200 | 1 | |a Разработка системы оптического распознавания символов на основе совместного применения вероятностной нейронной сети |f П. А. Хаустов, Д. С. Григорьев, В. Г. Спицын | |
| 203 | |a Текст |c электронный | ||
| 215 | |a 1 файл (260 Kb) | ||
| 225 | 1 | |a Интеллектуальные системы | |
| 300 | |a Заглавие с титульного листа | ||
| 300 | |a Электронная версия печатной публикации | ||
| 320 | |a [Библиогр.: с. 104 (10 назв.)] | ||
| 330 | |a Существует множество подходов к решению задачи оптического распознавания символов. Одним из них является нейросетевой метод распознавания, в котором для классификации используется нейронная сеть с топологией многослойного персептрона. Нами разработан и представлен метод для анализа и классификации символов на основе применения вейвлетпреобразования для сокращения пространства признаков и вероятностной нейронной сети. Преимуществом вероятностной нейронной сети как классификатора является возможность использования вероятностного смысла выходных значений сети для улучшения качества распознавания. Осуществлен выбор оптимальной конфигурации параметров метода. Проанализированы результаты численных экспериментов по распознаванию символов, и проведена оценка быстродействия метода. В качестве исходных данных для тестирования предложенного метода использовались наборы символов с наличием пиксельного шума. Предложенный метод показал приемлемые результаты в 98 % правильно классифицированных символов. | ||
| 330 | |a There are a lot of approaches to solve the problem of optical character recognition. One of them is the approach based on neural networks. The authors have proposed and implemented an approach of analyzing and classification based on wavelet transformation for reducing the feature space and probabilistic neural network for recognition. The main advantage of probabilistic neural network is the probabilistic significance of its output neurons which can be used to improve the quality of recognition. Optimal values of parameters were selected for such approach. The results of numerical experiments were analyzed and the time-performance of this approach was assessed. The set of noisy character images was used to assess the proposed approach. This method showed 98 % of acceptable recognition. | ||
| 337 | |a Adobe Reader | ||
| 453 | |t The development of optical character recognition approach on the basis of joint application of probabilistic neural network and wavelet transform |o translation from Russian |f P. A. Khaustov, D. S. Grigoryev, V. G. Spitsyn |c Tomsk |n TPU Press |d 2013 |a Khaustov, P. A. | ||
| 461 | 1 | |0 (RuTPU)RU\TPU\book\176237 |t Известия Томского политехнического университета [Известия ТПУ] |f Томский политехнический университет (ТПУ) |d 2000- | |
| 463 | 1 | |0 (RuTPU)RU\TPU\book\269043 |x 1684-8519 |t Т. 323, № 5 : Управление, вычислительная техника и информатика |v [С. 101-105] |d 2013 |p 184 с. | |
| 610 | 1 | |a труды учёных ТПУ | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a оптическое распознавание | |
| 610 | 1 | |a символы | |
| 610 | 1 | |a вероятностная нейронная сеть | |
| 610 | 1 | |a вероятностные оценки | |
| 610 | 1 | |a вейвлет-преобразования | |
| 610 | 1 | |a вейвлеты Хаара | |
| 610 | |a optical character recognition | ||
| 610 | |a probabilistic neural network | ||
| 610 | |a probabilistic assessment | ||
| 610 | |a wavelet transform | ||
| 610 | |a wavelets | ||
| 700 | 1 | |a Хаустов |b П. А. |c российский ученый, специалист в области информационных систем |c заведующий лабораторией Томского политехнического университета |f 1990- |g Павел Александрович |3 (RuTPU)RU\TPU\pers\30104 | |
| 701 | 1 | |a Григорьев |b Д. С. |c специалист в области информатики и вычислительной техники |c ассистент Томского политехнического университета |f 1991- |g Дмитрий Сергеевич |3 (RuTPU)RU\TPU\pers\46946 | |
| 701 | 1 | |a Спицын |b В. Г. |c специалист в области информатики и вычислительной техники |c профессор Томского политехнического университета, доктор технических наук |f 1948- |g Владимир Григорьевич |3 (RuTPU)RU\TPU\pers\22707 |9 9740 | |
| 712 | 0 | 2 | |a Национальный исследовательский Томский политехнический университет (ТПУ) |b Институт кибернетики (ИК) |b Кафедра вычислительной техники (ВТ) |3 (RuTPU)RU\TPU\col\18699 |
| 712 | 0 | 2 | |a Национальный исследовательский Томский политехнический университет (ТПУ) |b Институт кибернетики (ИК) |b Кафедра вычислительной техники (ВТ) |3 (RuTPU)RU\TPU\col\18699 |
| 712 | 0 | 2 | |a Национальный исследовательский Томский политехнический университет (ТПУ) |b Институт кибернетики (ИК) |b Кафедра вычислительной техники (ВТ) |3 (RuTPU)RU\TPU\col\18699 |
| 801 | 2 | |a RU |b 63413507 |c 20210902 |g PSBO | |
| 856 | 4 | |u http://earchive.tpu.ru/bitstream/11683/5067/1/bulletin_tpu-2013-323-5-17.pdf | |
| 942 | |c CF | ||