The supervised classification of da

The supervised classification of data in a high-dimensional
space is a delicate problem which consists of creating a system
that can predict the correct class of domain objects. It is based
on building a procedure that will be applied to a sequence of
instances, where each new instance must be assigned to one of
a set of pre-defined classes on the basis of observed attributes
or features.
In this work, we were focused on the recognition of
characters, this problem of pattern recognition field , known
as OCR (Optical character recognition), remains one of the
most popular problems due to its various applications such as
forms processing, indexing archives, address classification
system, processing of bank check, analysis of written gesture,
interaction with the electronic pen, etc. The aim is to
transform a text image into an understandable representation
for machine and easily reproducible. Many works have been
conducted for different languages, an overview of the latest
works can be found in [1].
Recently, researchers have begun to give attention to the
Amazigh language OCR. In this context, various methods
have been used for handwritten characters based on: Hidden
Markov Models (HMM) [2], neural approaches [3],
geometrical and statistical methods [4][5], moments features
[6] and some hybrid methods [7][8][9].
As mentioned previously, this work focused on a
comparison of different supervised classifiers. In this context,
we adopted a classification system composed of several steps
as shown in figure 1.

ผลลัพธ์ (ไทย) 1:

การจัดประเภทภายใต้การดูแลของข้อมูลในที่สูงขนาดพื้นที่เป็นปัญหาละเอียดอ่อนซึ่งประกอบด้วยการสร้างระบบที่สามารถทำนายระดับชั้นถูกต้องวัตถุโดเมน มันขึ้นในการสร้างกระบวนการที่จะใช้กับลำดับของอินสแตนซ์ ที่ต้องกำหนดให้แต่ละอินสแตนซ์ใหม่ของชุดของคลาสที่กำหนดไว้ล่วงหน้าตามสังเกตคุณลักษณะหรือคุณลักษณะในงานนี้ เราได้เน้นการรับรู้ของอักขระ ปัญหาของฟิลด์การรู้จำรูปแบบ รู้จักเป็น OCR (อาร์), ยังคงเป็นหนึ่งในปัญหายอดนิยมเนื่องจากการใช้งานต่าง ๆ เช่นประมวลผล แบบเก็บ การจัดทำดัชนีที่อยู่ประเภทระบบ การประมวลผลของการตรวจสอบธนาคาร การวิเคราะห์รูปแบบการเขียนโต้ตอบกับปากกาอิเล็กทรอนิกส์ ฯลฯ เป้าหมายคือการแปลงรูปภาพข้อความเป็นการแสดงที่เข้าใจสำหรับเครื่องจักร และจำลองได้อย่างง่ายดาย มีการงานมากดำเนินการสำหรับภาษาต่าง ๆ ภาพรวมล่าสุดทำงานอยู่ใน [1]เมื่อเร็ว ๆ นี้ นักวิจัยได้เริ่มให้ความสนใจภาษา Amazigh OCR ในบริบทนี้ วิธีการต่าง ๆมีการใช้ลายมือเขียนอักขระอิง: ซ่อนแบบมาร์คอฟ (HMM) [2] วิธีประสาท [3],เรขาคณิต และสถิติวิธีการ [4] [5], คุณลักษณะช่วงเวลา[6] และบางวิธีไฮบริ [7] [8] [9]ตามที่กล่าวถึงก่อนหน้านี้ งานนี้เน้นการการเปรียบเทียบคำนามภาษาภายใต้การดูแลที่แตกต่างกัน ในบริบทนี้เรานำระบบการจัดประเภทที่ประกอบด้วยหลายขั้นตอนดังแสดงในรูปที่ 1

ผลลัพธ์ (ไทย) 2:

การจำแนกประเภทภายใต้การดูแลของข้อมูลในมิติสูง
พื้นที่เป็นปัญหาที่ละเอียดอ่อนซึ่งประกอบด้วยการสร้างระบบ
ที่สามารถคาดการณ์ระดับที่ถูกต้องของวัตถุโดเมน มันขึ้นอยู่
กับการสร้างกระบวนการที่จะนำไปใช้กับลำดับของการเป็น
กรณีที่แต่ละตัวอย่างใหม่จะต้องกำหนดให้เป็นหนึ่งใน
ชุดชั้นเรียนที่กำหนดไว้ล่วงหน้าบนพื้นฐานของคุณลักษณะที่สังเกตได้
หรือคุณลักษณะ.
ในงานนี้เราได้มุ่งเน้น ในการรับรู้ของ
ตัวอักษรปัญหาของเขตการจดจำรูปแบบที่รู้จักกันนี้
เป็น OCR (Optical Character ยอมรับ) ยังคงเป็นหนึ่งใน
ปัญหาที่เป็นที่นิยมมากที่สุดเนื่องจากการใช้งานต่างๆเช่น
การประมวลผลรูปแบบเอกสารการจัดทำดัชนีการจำแนกที่อยู่
ของระบบการประมวลผลของเช็คธนาคาร การวิเคราะห์ท่าทางเขียน
ปฏิสัมพันธ์กับปากกาอิเล็กทรอนิกส์ ฯลฯ จุดมุ่งหมายคือการ
เปลี่ยนภาพข้อความลงในการแสดงที่เข้าใจ
สำหรับเครื่องและสามารถทำซ้ำได้อย่างง่ายดาย ผลงานจำนวนมากได้รับ
การดำเนินการสำหรับภาษาที่แตกต่างกันภาพรวมของล่าสุด
งานสามารถพบได้ใน [1].
เมื่อเร็ว ๆ นี้นักวิจัยได้เริ่มที่จะให้ความสนใจไปที่
ภาษา Amazigh OCR ในบริบทนี้วิธีการต่างๆที่
จะนำมาใช้สำหรับตัวอักษรที่เขียนด้วยลายมือบนพื้นฐาน: ซ่อน
มาร์คอฟรุ่น (HMM) [2] วิธีประสาท [3],
วิธีการทางเรขาคณิตและสถิติ [4] [5], คุณลักษณะช่วงเวลา
[6] และบางส่วนไฮบริด วิธี [7] [8] [9].
ดังที่ได้กล่าวไว้ก่อนหน้านี้งานนี้มุ่งเน้นไปที่
การเปรียบเทียบจําแนกภายใต้การดูแลที่แตกต่างกัน ในบริบทนี้
เรานำระบบการจัดหมวดหมู่ประกอบด้วยหลายขั้นตอน
ดังแสดงในรูปที่ 1

ผลลัพธ์ (ไทย) 3:

ประเภทของข้อมูลในการดูแลสูง - มิติพื้นที่เป็นปัญหาที่ละเอียดอ่อน ซึ่งประกอบด้วย การสร้างระบบที่สามารถทำนายระดับที่ถูกต้องของโดเมนวัตถุ มันเป็นตามในการสร้างกระบวนการที่จะใช้กับลำดับของกรณี ที่แต่ละตัวอย่างจะต้องมอบหมายให้ใหม่หนึ่งชุดของชั้นเรียนที่กำหนดไว้ล่วงหน้าบนพื้นฐานของการตรวจสอบคุณสมบัติหรือคุณลักษณะในงานนี้เราเน้นการรับรู้ของตัวละคร ปัญหาด้านการรับรู้แบบแผนหรือเป็น OCR ( Optical Character Recognition ) , ยังคงเป็นหนึ่งของที่ได้รับความนิยมมากที่สุด เนื่องจากสภาพการใช้งานต่างๆ เช่นรูปแบบการจัดเก็บ การประมวลผล การ ที่อยู่ระบบการประมวลผลของเช็คธนาคาร วิเคราะห์ เขียน ท่าทางการมีปฏิสัมพันธ์กับปากกาอิเล็กทรอนิกส์ ฯลฯ เป้าหมายคือการแปลงภาพเป็นข้อความแทน เข้าใจเครื่องจักรและการหาได้ง่าย ทำงานมากได้ดำเนินการในภาษาต่าง ๆ ภาพรวมของล่าสุดผลงานที่สามารถพบได้ใน [ 1 ]เมื่อเร็วๆ นี้ นักวิจัยได้เริ่มให้ความสนใจกับOCR ภาษา amazigh . ในบริบทนี้ วิธีการต่าง ๆได้ใช้ลายมือเขียนตัวอักษรบนพื้นฐาน : ซ่อนแบบจำลองมาร์คอฟ ( อืม ) [ 2 ] , [ 3 ] ประสาทแนว ,เรขาคณิตและวิธีทางสถิติ [ 4 ] [ 5 ] , ช่วงเวลาที่คุณลักษณะ[ 6 ] และบางวิธีลูกผสม [ 7 ] [ 8 ] [ 9 ]ตามที่กล่าวถึงก่อนหน้านี้ งานนี้เน้นเป็นการเปรียบเทียบที่แตกต่างกัน คือ ในบริบทนี้เราใช้ระบบการจัดหมวดหมู่ประกอบด้วยขั้นตอนต่าง ๆดังแสดงในรูปที่ 1