مقاله بازشناسی زیر-کلمات برخط فارسی براساس رویکرد فازی و ساختاری با استفاده از ساختارلیست های پیوندی

توضیحات

  مقاله بازشناسی زیر-کلمات برخط فارسی براساس رویکرد فازی و ساختاری با استفاده از ساختارلیست های پیوندی دارای 10 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بازشناسی زیر-کلمات برخط فارسی براساس رویکرد فازی و ساختاری با استفاده از ساختارلیست های پیوندی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بازشناسی زیر-کلمات برخط فارسی براساس رویکرد فازی و ساختاری با استفاده از ساختارلیست های پیوندی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بازشناسی زیر-کلمات برخط فارسی براساس رویکرد فازی و ساختاری با استفاده از ساختارلیست های پیوندی :

تعداد صفحات:10
چکیده:
در این مقاله، روش جدید برای بازشناسی برخط زیر-کلمات فارسی براساس کدهای زنجیره ای فازی و مدل تطبیق رشته با استفاده ازلیست های پیوندی دو طرفه ارائه شده است. فرآیند بازشناسی از چند مرحله تشکیل شده است. ابتدا، برای هر زیر- کلمه ناشناخته، کلاس و زیرکلاس مربوط را با استفاده از ویژگی های ریز حرکات و یک ویژگی استخراج شده از بدنه اصلی زیر-کلمات پیش پردازش شده مشخص می کنیم. اگر این کلاس بندی سلسه مراتبی تنها یک عضو داشته باشد، آن کلاس به زیر- کلمه ورودی نسبت داده می شود. در غیر اینصورت تبدیل حرکت اصلی قلم (بدنه زیر-کلمه) به مجموعه رشته های فازی با استفاده از توابع عضویت فازی انجام می گیرد. به طوری که برای هر بردار از حرکت اصلی قلم پس از محاسبه زاویه به جای انتخاب یک جهت و نسبت دادن آن به بردار حرکت اصلی، جهت مورد نظر در توابع عضویت فازی مربوط به همه جهت ها قرار گرفته و در ادامه، عملیات تطبیق و تبدیل مجموعه رشته های فازی تولید شده از بدنه اصلی زیر کلمه ورودی و زیر کلمات هم علامت با استفاده از تطبیق رشته پیشنهادی بر اساس لیست های پیوندی دو طرفه با پیچیدگی زمانی از مرتبه خطی انجام گیرد، و زیر کلمه ای که یکی از بدنه های منتسب به آن کمترین فاصله ویرایشی نسبت به بدنه زیر-کلمه ورودی داشته باشد. به زیر-کلمه ای ورودی نسبت داده می شود. روش پیشنهادی علاوه بر کاهش پیچیدگی زمانی باعث کاهش حافظه ی مصرفی و افزایش دقت در شناسایی زیر-کلمات شده است. نرخ بازشناسی الگوریتم پیشنهادی روی مجموعه داده استاندارد شامل 11 نمونه از هر زیر-کلمه با یک فرهنگ 1000 زیر-کلمه ای 9164% و نرخ بازشناسی کلی سیستم 8867% می باشد

برای دریافت اینجا کلیک کنید