Zeitschrift für Computertechnik und Informationstechnologie

Erkennung handgeschriebener Devanagari-Ziffern durch Fusion von Klassifikatoren

Prabhanjan S und Dinesh R

Erkennung handgeschriebener Devanagari-Ziffern durch Fusion von Klassifikatoren

Die Erkennung handgeschriebener Devanagari-Ziffern hat viele Anwendungen, insbesondere in den Bereichen Postautomatisierung, Dokumentenverarbeitung und so weiter. Aufgrund der zahlreichen Anwendungsmöglichkeiten arbeiten viele Forscher aktiv an der Entwicklung einer effektiven und effizienten Erkennung handgeschriebener Zeichen/Ziffern. Die Devanagari-Schrift ist eine weit verbreitete Schrift auf dem indischen Subkontinent; außerdem bildet die Devanagari-Schrift die Grundlage für viele andere Schriften auf dem indischen Subkontinent. In dieser Arbeit haben wir eine Hybridmethode zur Erkennung handgeschriebener Devanagari-Ziffern vorgeschlagen. Die vorgeschlagene Methode verwendet einen Stapelansatz, um die Vertrauensbewertungen von vier verschiedenen Klassifikatoren zu kombinieren, nämlich Naïve Bayes (NB), Instance Based Learner (IBK), Random Forest (RF) und Sequential Minimal Optimization (SMO). Außerdem extrahiert die vorgeschlagene Methode sowohl lokale als auch globale Merkmale aus den handgeschriebenen Ziffern. In dieser Arbeit haben wir Fourier-Deskriptoren als globales Formmerkmal verwendet. Dabei werden die Pixeldichtestatistiken aus unterschiedlichen Zonen der Ziffer verwendet, um die Ziffern lokal zu beschreiben. Die vorgeschlagene Methode wurde anhand einer großen Anzahl handschriftlicher Zahlendatenbanken getestet . Die experimentellen Ergebnisse zeigen, dass die vorgeschlagene Methode eine Genauigkeit von 99,685 % erreicht, was die beste bisher für die betrachteten Datensätze gemeldete Genauigkeit ist. Damit übertrifft die vorgeschlagene Methode aktuelle Algorithmen .