Báo cáo Tìm hiểu SVM trong nhận dạng chữ viết tay hạn chế

Giới thiệu về nhận dạng chữ viết tay: Trình bày về lịch sử của nhận dạng chữ viết tay, giới thiệu các hướng tiếp cận trong việc nhận dạng chữ viết tay (nhận dạng chữ in, nhận dạng chữ viết tay). Tổng quan về SVM - Support Vector Machine (Máy véc tơ hỗ trợ): Chiều VC (Vapnik Chervonenkis dimension), hàm phân lớp, siêu phẳng phân cách,... Trình bày sự cần thiết của SVM vào việc nhận dạng chữ viết tay. Phân tích bộ phân loại SVM. Ứng dụng của SVM vào nhận dạng chữ viết tay: Tiền xử lý,...
Nội dung trích xuất từ tài liệu:
Báo cáo " Tìm hiểu SVM trong nhận dạng chữ viết tay hạn chế " Tìm hiểu SVM trong nhận dạng chữ viết tay hạn chế Nguyễn Thị Vân Trường Đại học Công nghệ Luận văn Thạc sĩ ngành: Công nghệ phần mềm; Mã số: 60 48 10 Người hướng dẫn: PGS. TS. Ngô Quốc Tạo Năm bảo vệ: 2011 Abstract: Giới thiệu về nhận dạng chữ viết tay: Trình bày về lịch sử của nhận dạng chữ viết tay, giới thiệu các hướng tiếp cận trong việc nhận dạng chữ viết tay (nhận dạng chữ in, nhận dạng chữ viết tay). Tổng quan về SVM - Support Vector Machine (Máy véc tơ hỗ trợ): Chiều VC (Vapnik Chervonenkis dimension), hàm phân lớp, siêu phẳng phân cách,... Trình bày sự cần thiết của SVM vào việc nhận dạng chữ viết tay. Phân tích bộ phân loại SVM. Ứng dụng của SVM vào nhận dạng chữ viết tay: Tiền xử lý, xây dựng các máy phân lớp SVM ... Keywords: Nhận dạng ký tự; Phương pháp học SVM; Công nghệ thông tin; Công nghệ phần mềm; Chữ viết tayContent MỞ ĐẦU Cho đến nay mặc dù khoa học công nghệ không ngừng phát triển để đáp ứng ngày càng cao những nhu cầu của con người nhưng không phải nhu cầu nào cũng có thể dễ dàng giải quyết và đáp ứng được. Nhận dạng chữ viết tay hiện nay vẫn đang là vấn đề thách thức lớn đối với các nhà nghiên cứu, bài toán này chưa thể giải quyết trọn vẹn được vì nó phụ thuộc quá nhiều vào người viết với sự biến đổi quá đa dạng trong cách viết và trạng thái tinh thần của từng người viết. Nhưng trong nhiều năm qua, bài toán nhận dạng chữ viết tay cũng đã có một số kết quả khả quan, chủ yếu tập trung trên các tập dữ liệu chữ số viết tay như MNIST [6], một số kết quả khác mở rộng đối với các chữ cái hệ La tinh, Hy lạp… Đặc biệt đối với việc nhận dạng chữ viết tay tiếng Việt lại càng khó khăn hơn do bộ ký tự tiếng Việt có nhiều chữ có hình dáng rất giống nhau, chỉ khác chút ít về phần dấu. Do đó có rất ít kết quả nghiên cứu về nhận dạng chữ viết tay tiếng Việt và các nghiên cứu chủ yếu cũng chỉ tập trung vào chữ viết tay online. Nhận dạng chữ viết tay là một đề tài rất quan trọng trong nhiều ứng dụng khác nhau, trong lĩnh vực máy tính nó giúp cho máy tính có thể đọc được và hỗ trợ nhập liệu. Các nghiên cứu về nhận dạng chữ viết tay đã được phát triển từ hơn nửa thập kỷ qua và đạt được nhiều thành quả thiết thực nhưng độ chính xác phụ thuộc quá nhiều vào ngôn ngữ và sự thay đổi trong cách viết. Cho đến nay, bài toán nhận dạng chữ viết tay cũng đã có một số nghiên cứu khả quan, nhưng chưa có ứng dụng thực tiễn. Bài toán chúng tôi đặt ra ở đây là xây dựng một mô hình nhận dạng chữ viết tay hạn chế. Luận văn được bố cục thành 5 chương. Chương 1 giới thiệu về nhận dạng chữ viết tay. Chương 2 giới thiệu về SVM. Chương 3 sự cần thiết của SVM vào việc nhận dạng chữ viết tay. Chương 4 bộ phân loại SVM. Chương 5 ứng dụng của SVM vào nhận dạng chữ viết tay.References Tiếng Việt1. Phạm Anh Phương (2008), “Áp dụng một số chiến lược SVM đa lớp cho bài toán nhận dạng chữ viết tay hạn chế”, Tạp chí khoa học đại học Huế, ISSN 1859-1388, số 45, 109-118.2. Phạm Anh Phương, Ngô Quốc Tạo, Lương Chi Mai (2008), “Trích chọn đặc trưng wavelet Haar kết hợp với SVM cho việc nhận dạng chữ viết tay tiếng Việt”. Tiếng Anh3. B.verma, M. Blumenstein & S. Kulkarni, “Recent achievements in off-line handwriting recognition s‎ stems” School of Information Technology, Griffith y ‎ University-Gold Coast Campus.4. Chih-Chung Chang and Chil-Jen Lin (2004), “LIBSVM: a Library for Support Vector Machines”, National Taiwan University.5. Christopher J.C. Burges. A Tutorial on Support vector machines for pattern recognition – burges@microsoft.com.6. Gorgevik Dejan, Cakmakov D. (2004), “An Efficient Three-Stage Classifier for Handwritten Digit Recognition” , Proceedings of 17 Int. Conference on Pattern th Recognition, ICPR2004 , Vol. 4, pp. 507-510, IEEE Computer Society, Cambridge, UK.7. Gabor Lugosi, “Introduction to Statistical Learning Theory”, Department of Economics, Pompeu Fabra University Ramon Trias Fargas 25-27, 08005 Barcelona, Spain, www home page: http://www.econ.upf.edu/~lugosi/mlss_slt.pdf8. Nello Cristianini and John Shawe-Taylor (2000), “An Introduction to Support Vector Machines and other kernel-based learning methods”, Cambridge University Press.9. Shubhangi D. C. (2009), “Handwritten English Character And Digit Recognition Using Multiclass SVM Classifier And Using Structural Micro Features”, International Journa ...