(2010) Recognition of Handwritten Arabic (Indian)Digits Using Abductive Network. Masters thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF Thesis.pdf Download (1MB) | Preview

Arabic Abstract

إن للتعرف الآلي على الكتابة اليدوية استخدامات شتى، منها ما يتعلق بالعمليات المصرفية ومنها ما يتعلق بالخدمات البريدية ومنها ما هو من قبيل إدخال البيانات. وقد استخدمت تقنيات نمذجة وتعلم آلي عديدة للتعرف على الأعداد العربية، بما في ذلك الخلايا العصبية، وآلات الدعم الإشعاعي، ونماذج مارآوف المخبئة. وتعمل على 21120 عينة من ،(abductive) تقترح هذه الأطروحة استخدام معمارية الشبكات المسماة بال 9) تمت آتابتها بواسطة 44 آاتباً. وقد طورنا مجموعة جديدة من الملامح المعتمدة على المدرج - الأعداد ( 0 الإحصائي لنقاط الكنتور من سلاسل الترميز. وبلغت نسب التعرف الناجح % 99.22 ، والذي يتفوق على نسب النجاح الأخرى المرصودة في الأدبيات المستخدمة للمدخلات نفسها. علاوة على ذلك، فإن التقنية قد قلصت عدد الملامح المطلوبة بشكل ملفت.

English Abstract

Accurate automatic recognition of handwritten Arabic digits has several important applications, e.g. in banking transactions, automation of postal services, and other data entry related applications. A number of modelling and machine learning techniques have been used for handwritten Arabic numerals recognition, including Neural Network, Support Vector Machine, and Hidden Markov Models. This thesis proposes the application of abductive networks to the problem. We studied the performance of various abductive network architectures on a dataset of 21120 samples of handwritten 0-9 digits produced by 44 writers. We developed a new feature set using histogram of contour points chain codes. Recognition rates as high as 99.22% were achieved, which surpass the performance reported in the literature for other recognition techniques on the same data set. Moreover, the technique achieves a significant reduction in the number of features required.

Item Type:	Thesis (Masters)
Subjects:	Computer
Department:	College of Computing and Mathematics > Computer Engineering
Committee Advisor:	Abdel-Aal, R.E.
Committee Members:	Mahmoud, Sabri A. and Elshafei, M.
Depositing User:	ISAM ABDULLAH
Date Deposited:	21 Sep 2010 11:28
Last Modified:	01 Nov 2019 15:28
URI:	http://eprints.kfupm.edu.sa/id/eprint/136349