متن کامل پایان نامه 
شبکه های عصبی-خرید و دانلود پایان نامه

متن کامل پایان نامه شبکه های عصبی-خرید و دانلود پایان نامه

دانلود پایان نامه

ج آنها در کارهای قبلی به شرح زیر می باشد:
الف) تعداد خطوط اصلی نوشتار
ممکن است یک فرد در فضای مشخص شده استاندارد تعداد بیشتری خط بنویسد خطوط اصلی نوشتار از پنجره های پیکسلی با اندازه مشخص و تعیین خط اصلی محلی همه پنجره ها ، با اتصال این خطوط با کوتاه ترین فاصله بین آنها بدست می آید 4.
صابری اناری و همکاران (1391) برای یافتن خطوط اصلی نوشتار (خط پایه) ، ارتفاع کلمات اندازه گیری شده به 4 بخش تقسیم نموده و خط قله که شامل تعداد پیکسل سیاه می باشد خط وسط را مشخص می کند 8.
ب) طول خط اصلی نوشتار
برای محاسبه طول تقریبی هر خط ابتدا خط اصلی نوشتار را تشخیص داده و به علت اینکه خط اصلی نوشتار تا جایی ادامه پیدا خواهد کرد که پیکسل های مشکی در آن خط ها قرار دارند می توان طول هر خط اصلی نوشتار تشخیص داده شده در تصویر دستخط را به عنوان طول خط واقعی در نظر گرفت این مقدار طول با توجه به تورفتگی یک خط و یا مقادیر تراز از سمت چپ و راست می تواند برای هر خط متفاوت باشد که این الگوریتم می تواند طول تقریبی این خطوط را از سمت راست تا سمت چپ تشخیص دهد1.
ج) زاویه حرکت خط اصلی نوشتار
خطوط اصلی نوشتار در دستخط های فارسی ممکن است افقی و یا با زاویه های منفی به سمت پایین و یا با زاویه های مثبت به سمت بالا ظاهر شوند زاویه هر کدام از خطوط اصلی نوشتار به طور جداگانه محاسبه و میانگین کل زاویه ها بدست می آید و در واقع زاویه کلی متن دستخط یا جهت کلی آن تعیین می شود 4.
صابری اناری و همکاران (1391) 8 برای یافتن زاویه حرکت خط اصلی نوشتار دو روش برای محاسبه شیب خط ارائه کرده اند. در روش اول ابتدا متن را به کلمات تشکیل دهنده تقسیم بندی کرده و هر کلمه به دو بخش تقسیم می گردد. سپس مرکز جرم هر بخش را محاسبه نموده و به ازای هر دو بخش نقطه مختصات X و Y را بدست می آورد و با اتصال این 2 نقطه به یکدیگر یک خط بدست می آید و شیب خط را با بهره گرفتن از فرمول زیر محاسبه می شود.
Slop= (Ya- Yb)/( Xa- Xb)
با گرفتن میانگین شیب خط مربوط به کلمات شیب دستخط هر فرد محاسبه می گردد.
Ya و Xa مربوط به مختصات بخش چپ تصویر و دیگری مربوط به مختصات بخش راست تصویر می باشد.
در روش دوم برای محاسبه شیب دستخط از پارامترهای بیضوی استفاده شده است .
پارامترهای بیضوی شامل : قطر بزرگ ، قطر کوچک ، زاویه ، مرکز ثقل می باشد برای محاسبه شیب افقی است ابتدا قطرها و مرکز ثقل هر کلمه را محاسبه کرده وسپس با بهره گرفتن از این دو پارامتر زاویه ایجاد شده بین قطر بزرگ با خط افق را بدست بیاوریم . سپس با محاسبه میانگین زاویه کلمات متن دستخط شیب متن بدست می آید. روش دوم بالاترین در صد را از لحاظ کارآیی دارا می باشد 8.
بهرامی شریف وکبیر(1384) 2 و نوروز زاده و همکاران (1386) 7 ، برای یافتن زاویه حرکت خط اصلی نوشتار، متن دست نوشته ، با زوایای مختلف به فاصله 1- درجه ، دربازه{8 و 8-} چرخانده می شود و پس از هر چرخش ، افکنش (projection) افقی آن محاسبه می شود . سپس آنتروپی این افکنش بدست می آید. زاویه ای که این آنتروپی را به کمترین مقدار خود میرساند، بیانگر کجی متن است 2و7 .
فشردگی متن
فشردگی می تواند از نزدیکی کلمات یک خط و از نزدیکی خطوط مختلف و در هم نویسی ناشی شود جهت محاسبه فاصله بین خطوط نوشتار اختلاف عمودی بین خطوط اصلی را به صورت تکی و میانگین کل فاصله ها بدست آورده می شود و جهت محاسبه فاصله میان کلمات از روی خط اصلی تشخیص داده شده حرکت کرده و با در نظر گرفتن پنجره های بالا و پایین خط اصلی نوشتار ، ستونهای پیکسلی با مقدار پیکسل های سفید را کلاس بندی کرده و میانگینی از اندازه همه کلاس ها را به عنوان فاصله خالی میان حروف بر می گرداند 4. بهرامی شریف وکبیر(1384)2 و نوروز زاده و همکاران (1386) 7، جهت استخراج فشردگی متن از روش های زیر استفاده نمودند:
برای محاسبه میزان نزدیکی خطوط مختلف درجه تفکیک تصویر دست نوشته 20 بار در هر راستا کم میشود . برای محاسبه میزان نزدیکی کلمات ابتدا در تصویر دست نوشته تکه های پیوسته تعیین میشوند و مراکز ثقل آنها مشخص می شود پس تصویر حاصل به 14 نوار سطری به صورت مساوی تقسیم بندی میشود در هر نوار کمترین فاصله هر نقطه برای تصمیم گیری گرافولوژی استفاده میشود همچنین برای محاسبه نزدیکی کلمات تصویر متن به 14 نوار افقی مساوی تقسیم میشود. سپس تکه های پیوسته در هر نوار تعیین میشوند و فاصله نقاط انتهایی تکه های پیوسته باهم تقسیم بر معیار درشت نویسی به عنوان معیار دیگر نزدیکی کلمات استفاده میشود2و7.
نوروز زاده و همکاران (1386) 7 علاوه بر میزان نزدیکی خطوط و نزدیکی کلمات میزان در هم نویسی کلمات را محاسبه نموده است . برای این کار ابتدا تصویر متن به 15 نوار سطری و 40 نوار ستونی تقسیم میشود این تقسیم بندی را با توجه به بررسی نمونه های موجود انتخاب نموده است سپس تعداد پیکسل کمتر از 5 برابر عرض قلم دور ریخته میشوند چگالی هر یک از یک از خانه های باقیمانده با تقسیم تعداد نقاط سیاه بر کل نقاط آن خانه محاسبه میشود میانه تصاویر بدست آمده به عرض قلم به عنوان معیاری از فشردگی کلمات در نظر گرفته میشود4.
فرزین یغمایی و همکاران (1392) 4 جهت محاسبه فاصله بین کلمات از الگوریتم توسعه مستعطیل مشخصه استفاده نموده و محل جدا سازی به روی تصویر را انجام شده و سپس فاصله هر دو بخش متوالی محاسبه شده و نهایتا با جمع کردن فاصله های موجود بین هر دو کلمه متوالی (جمع جبری ) مقدار نهایی را محاسبه نموده است .
درشتی خط
برای محاسبه مقیاس درشتی خط میتوان حروف و کشش کلمات را اندازه گیری کرد. برای محاسبه اندازه یک حرف در یک دست خط مجبور به شناسایی تک تک حروف و شناسایی خطهای افقی و عمودی مختلف در حروفی مانند ( گ ، آ، ل و … ) هستیم . برای تشخیص درشتی دست خط اندازه کلمات نسبت به طول کل هر خط را به عنوان معیار درشتی معرفی میشود 4 .
نوروز زاده و همکاران (1386) 7 برای تشخیص میزان درشت نویسی کلمات ابتدا بخش های پیوسته بر چسب می خورد و مساحت هر بخش محاسبه می شود سپس بخش های با مساحت کمتر از 20 برابر مربع عرض قلم حذف میشوند. میانگین مساحت های باقیمانده تقسیم بر عرض قلم به عنوان یک معیار با عنوان Area در نظر گرفته میشود . برای هر بخش پیوسته ، پوسته محدب رسم میکنیم و نسبت نقاط سیاه داخل پوسته به مساحت پوسته محدب بیانگر درشتی آن بخش خواهد بود4 .
بهرامی شریف وکبیر(1384) 2 برای محاسبه میزان درشت نویسی کلمات ابتدا در تصویر دست نوشته تکه های پیوسته تعیین میشوند و مراکز ثقل آنا مشخص می شوند سپس تصویر حاصله به 14 نوار افقی مساوی تقسیم می شود در هر نوار کمترین فاصله بین نقاط حساب میشود میانه فاصله های بدست آمده در همه نوارها به عنوان معیار درشت نویسی در تصمیم گیری گرافولوژی استفاده می شود2 .
شکل حاشیه
ابتدا برای بالا بردن سرعت پردازش درجه تفکیک تصویر به اندازه 10 بار کم می شود . سپس افکنش افقی انجام می شود و در هر ردیف اگر تعداد پیکسل ها کمتر از 200 باشد ، حذف میشود که با این کار تعداد خطوط پیدا می شوند. بعد از پیدا شدن تعداد خط ها ماکزیمم تعداد پیکسلها در هر خط را پیدا کرده سپس از روی نمودار بدست آنده حاصل از افکنش افقی ، با توجه به داشتن محل خطوط از راست به چپ شروع به گشتن می کند تا نقطه ابتدایی پیدا شود با جمع کردن ماکزیمم تعداد پیکسل آن خط ، نقطه انتهای پیدا میشود و به همین ترتیب ادامه داده تا پایین و ابتدا و انتهای هر خط را بدست میآید . حاشیه بالا ، فاصله ی بالای برگه تا اولین خط است . برای بدست آوردن حاشیه راست ، میانگین نقاط راست را بدست آورده، برای بدست آوردن شیب راست ، میانگین زاویه ی هر دو خط را در راست حساب کرده و به همین ترتیب میانگین زاویه های هر دو خط را در سمت چپ متن حساب میشود 2و7.
فرزین یغمایی و همکاران(1391) 4 با توجه به اینکه شروع خط فارسی از سمت راست است و نحوه چینش حروف از سمت راست مهم می باشد در بحث شکل حاشیه تنها به نحوه چینش حروف از سمت راست بسنده کرده و برای بدست آوردن فاصله چینش از سمت راست دست خط با یافتن کمترین فاصله خطوط اصلی نوشتار از سمت راست تصویر ، اندازه چینش از سمت راست را محاسبه نموده است4 .
زاویه کشید گی حروف به بالا و پایین
برای بدست آوردن زاویه ی کشیدگی حروف به بالا و پایین ابتداد باید در هر ردیف تصویر پاره خط های افقی با طول بزرگتر از 5/1 برابر عرض قلم حذف شوند پس صفحه به 40 نوار ستونی تقسیم می شود تعداد نوارهای مورد نیاز با بررسی نمونه های مختلف دست نوشته فارسی طوری انتخاب می شود که در حد امکان حروف با کشیدگی به بالا و پایین از هم جدا شوند . سپس برای هر نوار افکنش افقی محاسبه می شود . با توجه به مقادیر صفر در افکنش افقی ، هر نوار ستونی به تعدادی بخش سطری تقسیم می شود بخش هایی با ارتفاع کمتر از 5 برابر عرض قلم حذف می شوند در بخش باقیمانده هر بخش به دو تکه بالایی و پایینی تقسیم می شود. زاویه اتصال مرکز ثقل پایینی به بالایی بیانگر زاویه کشیدگی عمودی این قسمت است . فراوان ترین زوایای بدست آمده هر متن به عنوان زاویه کشیدگی حروف متن اعلام میشود7 .
ک) لرزش
برای بدست آوردن پارامتر ارزش ، در ابتدا تصویر را بر چسب زده میشود و هر تکه پیوسته را باید از یک نقطه شروع کرده و دور آن تکه بر چسب دور زد تا به جای اول برسیم . برای این کار از کد فرمین استفاده میشود . به این صورت که سمت راست ترین نقطه در برچسب را پیدا کرده سپس کانتور برچسپ با پیمایش در خلاف جهت عقربه های ساعت استخراج شده و با بهره گرفتن از کدهای فرمین با معیار همسایگی 8 نشان داده میشود . برای اولین نقطه کانتور کد فرمین 3 در نظر گرفته میشود4 .
ویژگیها و نحوه استخراج آنها در این تحقیق به شرح زیر میباشد:
الف) تعداد خطوط اصلی نوشتار
ابتدا از سمت راست، سطر به سطر به دنبال پیکسلهای مشکی می گردیم. به اولین پیکسل مشکی که رسیدیم، آدرس آن را در برداری ذخیره مینماییم. چنانچه چند مقدار متوالی غیر صفر داشته باشیم آن را به عنوان یک خط در نظر میگیریم. سپس همین کار را از سمت چپ انجام میدهیم. تعداد خط از میانگین تعداد خطوط محاسبه شده راست و چپ بدست میآید.
حاشیه متن
هنگام محاسبه تعداد خط، برداری تعریف کردیم که در آن شماره ستون پیکسل آغازین هر خط در آن ذخیره شده بود. میانگین مقداری آن بردار به عنوان ویژگی حاشیه در نظر گرفته میشود. از آنجایی که در گرافولوژی علاوه بر میزان حاشیه، از تفاوت بین حاشیه چپ و حاشیه راست نیز برداشتهایی در مورد خلق و خوی افراد میتوان داشت، حاشیه چپ و راست جداگانه محاسبه و هر کدام بعنوان یک ویژگی جداگانه و میانگین حاشیه چپ و راست نیز به عنوان یک ویژگی دیگر مورد استفاده قرار گرفت.
درشتی خط
در جستجوی سطر به سطر بعد از یافتن اولین پیکسل مشکی، چنانچه تعداد پیکسلهای متوالی مشکی از یک رنجی (یک صدم تعداد کل سطرها) بیشتر بود، آن خط را درشت در نظر گرفته و مجموع تعداد خطوط درشت به عنوان معیار درشتی خط در نظر میگیریم.
شیب خط
مختصات نقطه وسط هر خط از سمت راست و نقطه وسط هر خط از سمت چپ را پیدا کرده و زاویه خط را از محاسبه آرکتانژانت تفاضل عرض نقاط تقسیم بر طول نقاط بدست میآوریم و میانگین زاویه کلیه خطوط را به عنوان ویژگی شیب خط در نظر میگیریم.
4-2-1 بررسی نمونههایی از دستنوشتهها و خروجی الگوریتم استخراج ویژگی
در این بخش، خروجی الگوریتم استخراج ویژگی برای نمونههایی از دستخط و علت خطای الگوریتم در این نمونه ها بررسی میشود. صحت خروجی الگوریتم بر اساس داده های آموزشی تعریف شده در جدول (4-3-4-2) میباشد.
شکل (4-1) دستنوشتهای با 4 خط متن، جهت پایین رونده، حاشیه زیاد و نسبتاً درشت میباشد. در جدول (4-1) میبینیم اعداد حاشیه متن و زاویه متن بسیار مناسب میباشند. خروجی الگوریتم تعداد خط را با یک عدد اختلاف به دست آورده که قابل اغماض میباشد و دلیلش ترسیم پیوسته سه نقطه در کلمه پشت در سطر چهارم میباشد. عدد مربوط به درشتی کلمات در این نمونه دستوشته دچار خطا میباشد که دلیل آن با توجه به الگوریتم درشتی کلمات ناقص بودن متن دستنوشته میباشد.
شکل (4-2) نوشته ای با 12 خط متن، کمی متن زاویهدار، درشتی کلمات معمولی و با حاشیهای کم میباشد. در جدول (4-1) میبینیم اعداد مربوط به تعداد سطر،حاشیه متن، درشتی کلمات و زاویه متن بسیار مناسب میباشند.
شکل (4-3) نوشته ای با 16 خط متن، درشت با حاشیهای کم میباشد. در جدول (4-1) میبینیم اعداد مربوط به حاشیه متن، درشتی کلمات و زاویه متن بسیار مناسب میباشند. تنها خطای الگوریتم در تعداد خط میباشد که علت آن با توجه به الگوریتم تعداد خط، نقاط پیوسته حرف ش در ابتدای سطر 16 و نقاط پیوسته حرف ت در انتهای خط 7 و نوشتن حروف الف و ی کلمهی “خانهای” در سطرهای بالای کلمه “خانه” در سطر 9 میباشد.
شکل (4-4) نوشته ای با 12 خط متن، ریز با حاشیهای کم میباشد. در جدول (4-1) میبینیم اعداد مربوط به تعداد سطر،حاشیه متن، درشتی کلمات و زاویه متن بسیار مناسب میباشند.

جدول (4-1) خروجی الگوریتم استخراج ویژگی برای نمونهای از دستنوشتهها
شماره خط
تعداد سطر
حاشیه متن
درشتی کلمات
زاویه متن
4-1
5
120
1
8/23
4-2
12
61
6
8/9
4-3

پایان نامهاینجا فقط تکه های از پایان نامه به صورت رندم (تصادفی) درج می شود که هنگام انتقال از فایل ورد ممکن است باعث به هم ریختگی شود و یا عکس ها ، نمودار ها و جداول درج نشوند.

برای دانلود متن کامل پایان نامه ، مقاله ، تحقیق ، پروژه ، پروپوزال ،سمینار مقطع کارشناسی ، ارشد و دکتری در موضوعات مختلف با فرمت ورد می توانید به سایت  77u.ir  مراجعه نمایید

رشته روانشناسی و علوم تربیتی همه موضوعات و گرایش ها :روانشناسی بالینی ، تربیتی ، صنعتی سازمانی ،آموزش‌ و پرورش‌، کودکاناستثنائی‌،روانسنجی، تکنولوژی آموزشی ، مدیریت آموزشی ، برنامه ریزی درسی ، زیست روانشناسی ، روانشناسی رشد

در این سایت مجموعه بسیار بزرگی از مقالات و پایان نامه ها با منابع و ماخذ کامل درج شده که قسمتی از آنها به صورت رایگان و بقیه برای فروش و دانلود درج شده اند

20
64
9
76/0
4-4
12
68
3
8/3
شکل(4-1) نمونهای از دستخط با جهت پایین و حاشیه زیاد
شکل(4-2) نمونهای از دستخط با جهت پایین و حاشیه کم
شکل(4-3) نمونهای از دستخط درشت و حاشیه کم
شکل(4-4) نمونهای از دستخط ریز و حاشیه کم
4-3 گروه بندی ویژگی ها
امروزه دسته‌بندی به عنوان مهمترین مسئله‌ی یادگیری با ناظر در بسیاری از حوزه ها و بخصوص تحلیل داده‌های آماری و بازیابی اطلاعات مورد توجه بسیاری قرار گرفته است.
یادگیری تحت نظارت، یک روش عمومی در یادگیری ماشین است. یک مجموعه از مثالهای یادگیری وجود دارد بازای هر ورودی، مقدار خروجی و یا تابع مربوطه نیز مشخص است. هدف سیستم یادگیر بدست آوردن فرضیهای است که تابع و یا رابطه بین ورودی و یا خروجی را حدس بزند به این روش یادگیری با نظارت گفته می‌شود. به این معنی که یک شخص ناظری وجود دارد که برچسبگذاری برای تمایز دسته های مختلف را بر روی اسناد اعمال می‌کند.
4-3-1 مروری بر ابزارهای ماشین
در مجموعه مقالات بررسی شده جهت کلاس بندی از ابزارهای یادگیری ماشین مختلفی استفاده شده که به طور مختصر به آنها اشاره میشود.
شبکه عصبی :
فراوانی استفاده از شبکه عصبی نسبت به سایر کلاسی فایرها بیشتر می باشد در اغلب تحقیقات از شبکه عصبی سه لایه یک لایه پنهان یا میانی با آموزش ساختار پس انتشار خطا استفاده شده است.
شبکه های عصبی پس انتشار خطا معمولا دارای زمان آموزش بالا هستند ولی در صورت کافی بودن مثال های آموزشی پایداری قابل قبولی در مقابل نویز از خود نشان می دهند در شبکه های عصبی مورد استفاده در گرافولوژی ورودی های شبکه عصبی همان ویژگی هایی از دست خط هستند که استخراج شدند مانند تعداد خطوط اصلی ، طول خط ، زاویه خطوط ، درشتی خط و… و خروجی های شبکه عصبی پارامترهای روان شناختی میباشند4 . شبکه عصبی بعد از چند دور آموزش ، وزن های مناسب را ایجاد میکند پس آز آموزش شبکه عصبی ، وزن های شبکه عصبی به صورت ماتریس به دست میآید. ماتریس های وزن به صورت دو ماتریس برای وزن های بین لایه میانی با لایه ورودی و لایه میانی با لایه خروجی حاصل میشود . در شبکه های عصبی چنانچه تعداد نرون لایه میانی کم باشد سرعت یادگیری شبکه در فاز آموزش بالا میرود. مسأله دیگر این است که نباید بیش از اندازه به شبکه عصبی آموزش داد زیرا با آموزش زیاد از حد شبکه روی داده های آموزشی فیت میشود (overfitiny) و روی داده های واقعی خوب جواب نخواهد داد .
سییتم استنتاج فازی
روش دیگر جهت تصمیم گیری در مورد ویژگی های استخراج شده سیستم استنتاج فازی میباشد. در این روش ویژگی

مطلب مرتبط :   دانلود رایگان پایان نامه روانشناسی درباره مهارتهای ارتباطی

برای دانلود متن کامل فایل این  پایان نامه می توانید  اینجا کلیک کنید

دیدگاهتان را بنویسید

Close Menu