Effiziente und intelligente Offline-Systeme für die Handschrifterkennung

Die wichtigsten Beiträge dieser Arbeit sind im Folgenden aufgeführt: Die neuronale Feed-Forward-Architektur wird als der am besten geeignete Klassifikator für die Erkennung handgeschriebener englischer Zeichen identifiziert. Eine neue zonale Merkmalsextraktion, genannt diagonale Merkmalsextraktion, wird vorgeschlagen. Die Hybridisierung von Merkmalen wird untersucht, um die Erkennungsgenauigkeit zu verbessern. Der beste hybride Merkmalssatz wird identifiziert. Eine neuartige Trainingsstrategie für neuronale Klassifikatoren wird vorgeschlagen, um die durchschnittliche und schlechteste Erkennungsgenauigkeit zu verbessern. Ein umfassendes CRS für gemischte handgeschriebene englische Alphabete wird entwickelt. Ein allgemeiner Algorithmus für den Entwurf von CRS wird entwickelt. Eine Methodik zur Validierung der Leistung des entworfenen CRS wird entwickelt und illustriert. Diese Arbeit stellt ein systematisches Verfahren für den Entwurf und die Entwicklung eines hochgenauen Zeichenerkennungssystems für handgeschriebene englische Zeichen vor.

Autorentext

Le Dr. J.Pradeep travaille actuellement comme professeur associé dans le Dept. of ECE au Sri Manakula Vinayagar Engineering college affilié à l'Université de Pondichéry, Puducherry, Inde. Il a obtenu son B.Tech. en ECE au Barathiyar College of Engineering and Technogy et son M.Tech, Ph.D. dans le département ECE au Pondicherry Engineering College, Puducherry.