بازشناسی ارقام دست نویس فارسی با استفاده از آموزش منیفلد مبتنی بر انتخاب

در این مقاله، یک روش آموزش منیفلد مبتنی بر انتخاب معرفی می شود. در روش پیشنهادی، الگوریتمی ارائه می شود که با وزن دهی و انتخاب ویژگی های مناسب، به بهبود عملکرد بازشناسی ارقام دست نویس فارسی بر روی دو پایگاه داده fht و ifhcdb می پردازد و با رویکرد ترکیبی از استخراج و انتخاب ویژگی، به ارائه یک روش آموزش منیفلد چند لایه می پردازد. روش پیشنهادی، با روش‌های آموزش منیفلد lle، slem و fsll مقایسه و ارزیابی شده است. طبق نتایج به دست آمده، روش آموزش منیفلد مبتنی بر انتخاب پیشنهادی، به نرخ تشخیص درست 94/11 و 79/8 به ترتیب برای پایگاه داده های fht و ifhcdb دست یافته است.