شناسایی حروف دست نویس برون خطی با استفاده از تکنیک های داده کاوی در شبکه عصبی

امروزه در بحث تشخیص متون دست نویس برون خط (آفلاین)، از تکنیکهای یادگیری ماشین بهره گرفته می شود. شبکه عصبی به عنوان یکی از قویترین و کاربردی ترین ابزارها نقش مهمی در تشخیص متون در زبانهای مختلف ایفا می نماید. از آنجائیکه زبان فارسی دارای خصوصیات انحصاری با ویژگیهای توصیفی و ساختاری متفاوت می باشد، لذا ارائه چارچوبی منطقی جهت استفاده در شبکه عصبی غیر قابل اجتناب می باشد. از اینرو در این پژوهش تلاش شده است تا با نگرشی عمیق به ساختار و خصوصیات ظاهری زبان فارسی، ویژگیهایی در دسته بندی های مشخص در دو گروه ویژگیهای ساختاری و توصیفی جهت آموزش و تست شبکه عصبی ارائه گردد. همچنین با الگوبرداری از مجموعه داده phcwt به عنوان یکی از جامع ترین پایگاه های داده در زمینه متون دست نویس فارسی و ارتقای تعداد مجموعه داده به 800 نفر، در جهت هرچه کاملتر نمودن محتوای داده شبکه عصبی تلاش گردیده است.