research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

Article
Combine SVM and KNN classifiers for Handwriting Arabic Word Recognition based on Multifeatures
دمج مصنفات الجار الاقرب والة دعم المتجهات لتمييز الكلمات العربية المكتوبة بخط اليد بالاعتماد على الصفات المتعددة

Author: Alia Karim Abdul Hassan علياء كريم عبد الحسن
Journal: Al-Rafidain University College For Sciences مجلة كلية الرافدين الجامعة للعلوم ISSN: 16816870 Year: 2018 Issue: 43 Pages: 303-323
Publisher: Rafidain University College كلية الرافدين الجامعة

Loading...
Loading...
Abstract

This paper presents a proposed system for recognizing the handwritten Arabic words. The proposed system recognized the Arabic word as one entity without using segmentation stage, which converted the word into parts. A proposed method for feature extraction stage used two groups of feature extraction techniques. First group combines two techniques and the second group used single technique. First group combines gradient (directional) feature method with the Run Length Count method and second group based on Discrete Cosine Translation technique. Classification stage is based on combined SVM with KNN classifiers. A standard data set which is AHDB database is used to simulate the proposed system. The recognition accuracy for the experimental results of the proposed system is 97.11 %.

نقدم في هذا البحث نظاما مقترحا لتمييز الكلمات العربية المكتوبة بخط اليد. النظام المقترح يمييز الكلمة العربية ككيان واحد دون استخدام مرحلة التقسيم والتي تحول الكلمة إلى أجزاء. في مرحلة استخراج الصفات تم دمج تقنيات استخلاص الصفات الى مجموعتين. المجموعة الأولى تتالف من تقنيتين. تجمع بين طريقة اتجاه الانحدار gradient (directional) feature مع طريقة حساب طول المسار Run Length Count بينما المجموعة الثانية تستخدم تقنية واحدة وهي طريقة تحويل الجيب تمام المنقطع Discrete Cosine Transform. مرحلة التصنيف تعتمد على دمج نوعين من المصنفات وهما SVM و KNNآلة دعم المتجهات و الجار الاقرب. تم اختبار النظام المقترح باستخدام قاعدة بيانات قياسية التي هيAHDB . ان دقة التميز النتائج التجريبية للنظام المقترح هي 97.11٪.

Listing 1 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

English (1)


Year
From To Submit

2018 (1)