طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودكار الگوها

دسته: کامپیوتر و IT
بازدید: 30 بار
فرمت فایل: doc
حجم فایل: 1397 کیلوبایت
تعداد صفحات فایل: 107

پیدایش علوم و فنون جدید، جوامع بشری را با شكلهای مختلفی از اطلاعات روبرو نموده است سطح توسعة یك جامعه را می توان با مقدار اطلاعات و دانش تولید شده در آن ارزیابی كرد تولید فزایندة اطلاعات به شكلهای مختلف صورت می گیرد و با درجات متفاوتی از پیچیدگی همراه میباشد در نتیجه نیاز به سیستمهای پردازش اطلاعات بصورت روزافزون افزایش می یابد یكی از مسائل مهم در

قیمت فایل فقط 5,900 تومان

طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودكار الگوها

فصل اول- مقدمه

پیدایش علوم و فنون جدید، جوامع بشری را با شكلهای مختلفی از اطلاعات روبرو نموده است. سطح توسعة یك جامعه را می توان با مقدار اطلاعات و دانش تولید شده در آن ارزیابی كرد. تولید فزایندة اطلاعات به شكلهای مختلف صورت می گیرد و با درجات متفاوتی از پیچیدگی همراه میباشد. در نتیجه نیاز به سیستمهای پردازش اطلاعات بصورت روزافزون افزایش می یابد. یكی از مسائل مهم در طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودكار الگوها است.

1-1- شناسایی الگو[1]

شناسایی الگو، شاخه ای از هوش مصنوعی[2] است كه با طبقه بندی و توصیف مشاهدات سروكار دارد.شناسایی الگو به ما كمك میكند داده ها (الگوها) را با تكیه بر دانش قبلی یا اطلاعات آماری استخراج شده از الگوها، طبقه بندی نماییم. الگوهایی كه می بایست طبقه بندی شوند، معمولاً گروهی از سنجش ها یامشاهدات هستند كه مجموعه نقاطی را در یك فضای چند بعدی مناسب تعریف می نمایند.یك سیستم شناسایی الگوی كامل متشكل است از یك حسگر[3] ،كه مشاهداتی را كه می بایست توصیف یا طبقه بندی شوند جمع آوری می نماید، یك سازوكار برای استخراج ویژگی ها[4] كه اطلاعات عددی یا نمادین را از مشاهدات، محاسبه می كند، (این اطلاعات عددی را با یك بردار بنام بردار ویژگیها نمایش می دهند)؛ ویك نظام طبقه بندی یا توصیف كه وظیفه اصلی طبقه بندی یا توصیف الگوها را با تكیه بر ویژگی های استخراج شده عهده داراست.

شکل 1-1 نمودار بلوكی یك سیستم شناسایی الگو را نشان می دهد. همانطوری كه از پیكان های برگشتی مشخص است، این بلوك ها لزوماً مستقل نیستند و بسته به نتایج حاصله گاهی لازم است كه

بلوك های اولیه مجدداً طراحی گردند تا راندمان كلی سیستم بهبود یابد.

نظام كلاسه بندی یا توصیف معمولا مبتنی بر وجود یك مجموعه از الگوهایی است كه قبلا         كلاسه بندی یا توصیف شده اند. این مجموعة الگوها را مجموعة آموزشی [5]و قانون یادگیری منتج شده را قانون یادگیری باسرپرستی(با نظارت)[6] می نامند همچنین یادگیری میتواند بصورت بدون نظارت[7]  باشد و این در حالی است كه الگوهایی از قبل به سیستم داده نشده اند و در مقابل، سیستم خود براساس قواعد آماری الگوها، كلاسها را پایه گذاری میكند.

1-2- كاربردهای بازشناسی الگو

بازشناسی الگو در بسیاری از زمینه ها نقش كاربردی دارد . بازشناسی حروف، بازشناسی نویسنده، تصدیق امضاء ، طبقه بندی اثر انگشت و بازشناسی گفتار نمونه هایی از این كاربردها هستند. شناسایی الگو برای تحلیل داده های پزشكی نیز بكار گرفته شده است. برای مثال تفسیر الكتروكاردیوگرام، تحلیل تصاویر و طبقه بندی كروموزمها را میتوان نام برد. نمونه های دیگری از این كاربردها شامل طبقه بندی x اشعه مناطق زراعی، مطالعه آلودگی آبها، آشكار كردن منابع زیرزمینی و پیش بینی آب و هواست. در این نوع كاربردها، تصاویر ارسال شده از ماهواره و تصاویرهوایی به كمك روشهای بازشناسی الگو تفسیر می شوند. بازرسی تصویری و بازشناسی قطعات ماشینی، از كاربردهای صنعتی شناسایی الگو هستند. تحلیل بافت، آشكارسازی هدف در سیگنالهای برگشتی رادار یا سونار[8]، طبقه بندی امواج زلزله و تشخیص ذرات شیمیائی كاربردهای دیگری ازبازشناسی الگو می باشند.

1-3- طرح پژوهش

در چند دهة گذشته مسألة بازشناسی الگوهای نوشتاری شامل حروف، ارقام و سایر نمادهای متداول دراسناد مكتوب شده به زبانهای مختلف، توسط گروههای مختلفی از محققین مورد مطالعه و بررسی قرار گرفته است. نتیجة این تحقیقات منجر به پیدایش مجموعه ای از روشهای سریع و تا حدزیادی مطمئن بمنظور وارد نمودن اطلاعات موجود دراسناد، مدارك، كتابها و سایر مكتوبات چاپی یا تایپ موسوم بهOCR شده و حتی دستنویس[9]  به داخل كامپیوتر شده است. مسئلة بازشناسی حروف الفبای فارسی سابقه ای نه چندان طولانی به همراه دارد. نخستین گزارشهای رسمی منتشر شده از تلاشهای انجام گرفته در این راه، مربوط به سالیان نخست دهة 1980 میلادی است.

به رغم فراگیری نسبی كاربرد الفبای فارسی در میان ملل مختلف قارة آسیا،بررسیهای انجام شده در خصوص یافتن روشهایی برای بازشناسی حروف این الفبا بسیار محدود بوده است. بواسطة وجود تفاوتهای اساسی بین نحوة نگارش كلمات فارسی و كلمات لاتین نظیرچسبیده بودن حروف سازندة یك كلمه به یكدیگر و تغییر شكل حروف بر اساس موقعیت نسبی قرارگیری آن در یك كلمة فارسی، امكان اعمال مستقیم روشهای متداول در بازشناسی حروف انگلیسی بمنظور شناسایی حروف تشكیل دهندة كلمات فارسی وجود ندارد.

  اكثر كارهای انجام شده در زمینه« اُْسی آر » در رابطه با متون لاتین، چینی و ژاپنی بوده است  » نرم افزارهای تجاری « اُْسی آر »  لاتین در سالهای اخیر پیشرفت كیفی قابل ملاحظه ای داشته اند. اما« اُْسی آر »  فارسی با وجود حجم نسبتاً وسیع تحقیقات دانشگاهی و نیاز شدید بازار تجاری به آن، هنوز هم از جایگاه مورد نظر فاصله بسیاری دارد و تاكنون هیچ سیستم « اُْسی آر » كارآمدی كه ازنظر دقت و كیفیت محیط نرم افزاری، قابل مقایسه با سیستم های « اُْسی آر »  لاتین باشد، عرضه نگردیده است. در نتیجه ضرورت انجام تحقیقات بیشتر در زمینه متون فارسی و عربی كاملاً احساس می شود.

هدف از انجام این پروژه آزمایش توانایی تكنیك آنالیز اجزای اصلی جهت استخراج ویژگیهای مربوط به ارقام فارسی و كاربرد آن جهت شناسایی است كه این امر در فصل آخر محقق شده است. امید است انجام این پروژه افقهایی نو را در مبحث آنالیز اسناد[10]  بگشاید.

---

جهت دریافت فایل طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودكار الگوها لطفا آن را خریداری نمایید

قیمت فایل فقط 5,900 تومان

برچسب ها : طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودكار الگوها , دانلود طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودكار الگوها , طراحی سیستمهای مدرن اطلاعاتی , بازشناسی خودكار الگوها , سیستمهای مدرن , کامپیوتر , نرم افزار , سخت افزار , برنامه ریزی , برنامه نویسی , بازشناسی الگو , پروژه دانشجویی , دانلود پژوهش , دانلود تحقیق , پایان نامه , دانلود پروژه