توجه: محتویات این صفحه به صورت خودکار پردازش شده و مقاله‌های نویسندگانی با تشابه اسمی، همگی در بخش یکسان نمایش داده می‌شوند.
۱Using 2DLDA Feature extraction in handwritten persian \ arabic digit recognition
نویسنده(ها): ،
اطلاعات انتشار: ششمین کنفرانس ماشین بینایی و پردازش تصویر، سال
تعداد صفحات: ۵
The main goal in majority of handwriting digit recognition systems is to extract a vector feature for every digit in order to distinguish the digits and classify them in their real classes. In this paper, we propose three different feature extraction methods with kNN classifier for Handwritten Persian\Arabic Digit Recognition. Experiments on real world datasets indicate 2DLDA can provide a solution with improved quality in terms of classification accuracy and computation time performance in contrast to two other methods, PCA and PCA+LDA.<\div>
نمایش نتایج ۱ تا ۱ از میان ۱ نتیجه