ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Character Recognition Systems: A Guide for Students and Practioners

دانلود کتاب سیستم های تشخیص شخصیت: راهنمای دانش آموزان و دست اندرکاران

Character Recognition Systems: A Guide for Students and Practioners

مشخصات کتاب

Character Recognition Systems: A Guide for Students and Practioners

ویرایش:  
نویسندگان: , , ,   
سری:  
ISBN (شابک) : 9780471415701, 9780470176535 
ناشر:  
سال نشر: 2007 
تعداد صفحات: 353 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 15 مگابایت

قیمت کتاب (تومان) : 51,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 14


در صورت تبدیل فایل کتاب Character Recognition Systems: A Guide for Students and Practioners به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب سیستم های تشخیص شخصیت: راهنمای دانش آموزان و دست اندرکاران نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب سیستم های تشخیص شخصیت: راهنمای دانش آموزان و دست اندرکاران

بسیاری از تئوری و عمل تشخیص الگو، از جمله روش‌هایی مانند ماشین‌های بردار پشتیبان، در تلاش برای حل مشکل تشخیص شخصیت پدیدار شده‌اند. این کتاب توسط دانشگاهیان بسیار مشهوری نوشته شده است که سال‌ها در این زمینه کار کرده‌اند. این کتاب بدون شک برای دانشجویان و پزشکان ارزشمند خواهد بود.\"
-Sargur N. Srihari، استاد برجسته SUNY، گروه علوم و مهندسی کامپیوتر، و مدیر مرکز عالی اسناد تجزیه و تحلیل و تشخیص (CEDAR)، دانشگاه بوفالو، دانشگاه ایالتی نیویورک

\"رشته های تشخیص کاراکتر نوری و تجزیه و تحلیل تصویر سند سابقه ای بیش از چهل سال دارد. در دهه گذشته، اهمیت و محبوبیت این حوزه ها بسیار افزایش یافته است، اما با کمال تعجب، این رشته به خوبی توسط هیچ کتاب درسی پوشش داده نشده است، این کتاب توسط رهبران برجسته در این زمینه نوشته شده است، شامل تمام موضوعات مهم در تشخیص شخصیت های نوری و تجزیه و تحلیل اسناد و مدارک می باشد. به سبکی بسیار منسجم و جامع نوشته شده است. این کتاب نیاز فوری را برآورده می کند. این جلدی است که جامعه مدت‌ها منتظر آن بوده است و من می‌توانم آن را با شور و شوق به همه کسانی که در آن منطقه کار می‌کنند توصیه کنم.\"
-Horst Bunke، استاد موسسه علوم کامپیوتر و ریاضیات کاربردی (IAM)، دانشگاه از برن، سوئیس

در سیستم‌های تشخیص شخصیت، نویسندگان اصول اساسی و روش‌های محاسباتی پیشرفته خواندن متون چاپی و مواد دست‌نویس را در اختیار پزشکان و دانشجویان قرار می‌دهند. اطلاعات ارائه‌شده مشابه با مراحل یک سیستم تشخیص کامپیوتری، به خوانندگان کمک می کند تا تئوری و آخرین روش های مورد استفاده در تشخیص شخصیت را به روشی معنادار تسلط پیدا کنند.

این کتاب موارد زیر را پوشش می دهد:
*

دیدگاه هایی در مورد تاریخچه، کاربردها و تکامل تشخیص کاراکتر نوری (OCR)
*

پرکاربردترین تکنیک های پیش پردازش و همچنین روش های استخراج خطوط و اسکلت شخصیت ها
*

ارزیابی ویژگی های استخراج شده، هم ساختاری و هم آماری
*

روش های طبقه بندی مدرن که در تشخیص کاراکترها موفق هستند، از جمله روش های آماری، شبکه های عصبی مصنوعی (ANN)، ماشین های بردار پشتیبان (SVM)، روش های ساختاری و چند -روش های طبقه بندی کننده
*

مروری بر روش ها و تکنیک های تشخیص کلمه و رشته
*

مطالعات موردی که کاربردهای عملی را نشان می دهد، همراه با توصیف روش ها و تئوری های پشت سر تجربی نتایج

هر فصل شامل مراحل و ترفندهای اصلی برای انجام وظایفی است که در دست توضیح داده شده است. محققان و دانشجویان فارغ التحصیل در علوم و مهندسی کامپیوتر این کتاب را برای طراحی یک سیستم بتن در فناوری OCR مفید خواهند یافت، در حالی که پزشکان به عنوان منبعی ارزشمند برای آخرین پیشرفت‌ها و فناوری‌های مدرن که در جای دیگری در یک کتاب به آن پرداخته نشده است، بر آن تکیه می‌کنند. .محتوا:
فصل 1 مقدمه: شناسایی، تکامل و توسعه شخصیت (صفحات 1-4):
فصل 2 ابزارهای پیش پردازش تصویر (صفحات 5-53):
فصل 3 استخراج ویژگی، انتخاب، و ایجاد (صفحات 54-128):
فصل 4 روش های طبقه بندی الگو (صفحات 129-203):
فصل 5 تشخیص کلمه و رشته (صفحات 204-262):
فصل 6 مطالعات موردی (صفحه های 263) –320):


توضیحاتی درمورد کتاب به خارجی

"Much of pattern recognition theory and practice, including methods such as Support Vector Machines, has emerged in an attempt to solve the character recognition problem. This book is written by very well-known academics who have worked in the field for many years and have made significant and lasting contributions. The book will no doubt be of value to students and practitioners."
-Sargur N. Srihari, SUNY Distinguished Professor, Department of Computer Science and Engineering, and Director, Center of Excellence for Document Analysis and Recognition (CEDAR), University at Buffalo, The State University of New York

"The disciplines of optical character recognition and document image analysis have a history of more than forty years. In the last decade, the importance and popularity of these areas have grown enormously. Surprisingly, however, the field is not well covered by any textbook. This book has been written by prominent leaders in the field. It includes all important topics in optical character recognition and document analysis, and is written in a very coherent and comprehensive style. This book satisfies an urgent need. It is a volume the community has been awaiting for a long time, and I can enthusiastically recommend it to everybody working in the area."
-Horst Bunke, Professor, Institute of Computer Science and Applied Mathematics (IAM), University of Bern, Switzerland

In Character Recognition Systems, the authors provide practitioners and students with the fundamental principles and state-of-the-art computational methods of reading printed texts and handwritten materials. The information presented is analogous to the stages of a computer recognition system, helping readers master the theory and latest methodologies used in character recognition in a meaningful way.

This book covers:
*

Perspectives on the history, applications, and evolution of Optical Character Recognition (OCR)
*

The most widely used pre-processing techniques, as well as methods for extracting character contours and skeletons
*

Evaluating extracted features, both structural and statistical
*

Modern classification methods that are successful in character recognition, including statistical methods, Artificial Neural Networks (ANN), Support Vector Machines (SVM), structural methods, and multi-classifier methods
*

An overview of word and string recognition methods and techniques
*

Case studies that illustrate practical applications, with descriptions of the methods and theories behind the experimental results

Each chapter contains major steps and tricks to handle the tasks described at-hand. Researchers and graduate students in computer science and engineering will find this book useful for designing a concrete system in OCR technology, while practitioners will rely on it as a valuable resource for the latest advances and modern technologies that aren't covered elsewhere in a single book.Content:
Chapter 1 Introduction: Character Recognition, Evolution, and Development (pages 1–4):
Chapter 2 Tools for Image Preprocessing (pages 5–53):
Chapter 3 Feature Extraction, Selection, and Creation (pages 54–128):
Chapter 4 Pattern Classification Methods (pages 129–203):
Chapter 5 Word and String Recognition (pages 204–262):
Chapter 6 Case Studies (pages 263–320):



فهرست مطالب

CHARACTER RECOGNITION SYSTEMS......Page 4
CONTENTS......Page 10
Preface......Page 16
Acknowledgments......Page 20
List of Figures......Page 22
List of Tables......Page 30
Acronyms......Page 32
1.1 Generation and Recognition of Characters......Page 36
1.2 History of OCR......Page 37
1.5 Organization of the Remaining Chapters......Page 38
References......Page 39
2.1 Generic Form-Processing System......Page 40
2.2 A Stroke Model for Complex Background Elimination......Page 43
2.2.1 Global Gray Level Thresholding......Page 44
2.2.2 Local Gray Level Thresholding......Page 46
2.2.3 Local Feature Thresholding—Stroke-Based Model......Page 47
2.2.4 Choosing the Most Efficient Character Extraction Method......Page 50
2.2.5 Cleaning Up Form Items Using Stroke-Based Model......Page 54
2.3 A Scale-Space Approach for Visual Data Extraction......Page 56
2.3.1 Image Regularization......Page 57
2.3.2 Data Extraction......Page 59
2.3.3 Concluding Remarks......Page 64
2.4.1 Smoothing and Noise Removal......Page 65
2.4.2 Skew Detection and Correction......Page 67
2.4.3 Slant Correction......Page 69
2.4.4 Character Normalization......Page 71
2.4.5 Contour Tracing/Analysis......Page 76
2.4.6 Thinning......Page 80
2.5 Chapter Summary......Page 85
References......Page 86
3.1 Feature Extraction......Page 89
3.1.1 Moments......Page 90
3.1.2 Histogram......Page 93
3.1.3 Direction Features......Page 94
3.1.4 Image Registration......Page 99
3.1.5 Hough Transform......Page 103
3.1.6 Line-Based Representation......Page 105
3.1.7 Fourier Descriptors......Page 108
3.1.8 Shape Approximation......Page 111
3.1.9 Topological Features......Page 113
3.1.10 Linear Transforms......Page 114
3.1.11 Kernels......Page 121
3.2.1 Review of Feature Selection Methods......Page 125
3.3.1 Categories of Feature Creation......Page 139
3.3.2 Review of Feature Creation Methods......Page 140
3.3.3 Future Trends......Page 153
References......Page 155
4.1 Overview of Classification Methods......Page 164
4.2.1 Bayes Decision Theory......Page 166
4.2.2 Parametric Methods......Page 167
4.2.3 Nonparametric Methods......Page 173
4.3 Artificial Neural Networks......Page 177
4.3.1 Single-Layer Neural Network......Page 179
4.3.2 Multilayer Perceptron......Page 183
4.3.3 Radial Basis Function Network......Page 187
4.3.4 Polynomial Network......Page 190
4.3.5 Unsupervised Learning......Page 191
4.3.6 Learning Vector Quantization......Page 195
4.4 Support Vector Machines......Page 197
4.4.1 Maximal Margin Classifier......Page 198
4.4.2 Soft Margin and Kernels......Page 200
4.4.3 Implementation Issues......Page 201
4.5 Structural Pattern Recognition......Page 206
4.5.1 Attributed String Matching......Page 207
4.5.2 Attributed Graph Matching......Page 209
4.6 Combining Multiple Classifiers......Page 214
4.6.1 Problem Formulation......Page 215
4.6.2 Combining Discrete Outputs......Page 216
4.6.3 Combining Continuous Outputs......Page 218
4.6.5 Ensemble Generation......Page 225
4.7 A Concrete Example......Page 229
References......Page 232
5.1 Introduction......Page 239
5.2 Character Segmentation......Page 241
5.2.1 Overview of Dissection Techniques......Page 242
5.2.2 Segmentation of Handwritten Digits......Page 245
5.3.1 String Classification Model......Page 249
5.3.2 Classifier Design for String Recognition......Page 255
5.3.3 Search Strategies......Page 262
5.3.4 Strategies for Large Vocabulary......Page 269
5.4.1 Introduction to HMMs......Page 272
5.4.2 Theory and Implementation......Page 273
5.4.3 Application of HMMs to Text Recognition......Page 278
5.4.4 Implementation Issues......Page 279
5.4.5 Techniques for Improving HMMs’ Performance......Page 282
5.5 Holistic Methods for Handwritten Word Recognition......Page 285
5.5.1 Introduction to Holistic Methods......Page 286
5.5.2 Overview of Holistic Methods......Page 290
5.6 Chapter Summary......Page 291
References......Page 292
6.1 Automatically Generating Pattern Recognizers with Evolutionary Computation......Page 298
6.1.2 Introduction......Page 299
6.1.3 Hunters and Prey......Page 301
6.1.4 Genetic Algorithm......Page 306
6.1.5 Experiments......Page 307
6.1.6 Analysis......Page 315
6.1.7 Future Directions......Page 316
6.2 Offline Handwritten Chinese Character Recognition......Page 317
6.2.1 Related Works......Page 318
6.2.2 System Overview......Page 320
6.2.3 Character Normalization......Page 321
6.2.4 Direction Feature Extraction......Page 324
6.2.6 Experiments......Page 328
6.3 Segmentation and Recognition of Handwritten Dates on Canadian Bank Cheques......Page 336
6.3.1 Introduction......Page 337
6.3.3 Date Image Segmentation......Page 338
6.3.4 Date Image Recognition......Page 343
6.3.5 Experimental Results......Page 350
References......Page 352
Index......Page 356




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی