Documente Academic
Documente Profesional
Documente Cultură
INFORMA IEI
Coordonator,
Student,
Cristian BR ILESCU
Anul I, Master ELA
Rezumat
Lucrarea
de
fa
reprezint
un
studiu
i utiliznd o variant
1. Introducere
Recunoa terea scrisului de mn
este o
fiind n
tabletelor
Support Vector
software n Mathlab2006.
dimensiunile
fiec rui
dreptunghi,
respectiv
matricea C ob inut
cu vector
tr s turi, imaginea
fie
parcurs
ordinea
scrise mai sus sau mai jos pe acela i rnd n foaie, acest
ntre 1 si 10.
elementele din
cadrul
liniei,
func ie
de
coordonata
rularea programului
i apoi
3) Construct a nonlinear SVM Classifier (rbf kernel)
and test it.
Cel mai bun PCIC=1,4286 (procent de clasific ri
TABELUL I
MATRICEA C
step3.m
step3a.m
50 624 39 27
60 23 35 29
51 660 38 23
57 102 38 11
51 704 38 22
53 157 40 33
53 157 40 33
53 271 38 21
53 271 38 21
53 308 39 20
53 308 39 20
53 347 39 33
53 347 39 33
57 455 34 31
53 499 41 21
53 499 41 21
53 550 39 11
53 550 39 11
57 102 38 11
50 624 39 27
57 455 34 31
51 660 38 23
ntotdeauna
60 23 35 29
51 704 38 22
Dup
rularea
0
1
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0 0.8571 0 0.1429
0
0 1.0000 0
0
0
0
1
0
0
0
0
i exist
0
0
0
0
0
0
0
0
0
1
re ele neurale se
Se analizeaz
raza
0.2
0.5
1
1.5
2
TABEL 4
rbf_gus, manh
nr. neuroni
nr. epoci
80
7
71
54
36
3
19
4
9
15
PCICg
89.0625 %
12.5 %
3.125 %
3.125 %
27.7671%
raza
0.2
0.5
1
1.5
2
TABEL 5
rbf_dog, eucl
nr. neuroni
nr. epoci
77
50
32
4
6
87
4
14
2
18
PCICg
25 %
1.5625 %
34.375 %
53.125 %
62.5 %
raza
0.2
0.5
1
1.5
2
TABEL 6
rbf_gus, eucl
nr. neuroni
nr. epoci
77
21
32
3
7
26
3
8
3
45
PCICg
20.3125 %
1.5625 %
26.5625
45.3125 %
54.6875 %
eta
nr epoci
PCICg
0.01
231
15.625%
0.1
22 ep
29.6875%
0.25
2 ep
65.625%
euclidian,
radial
i manhatann.
raza
0.2
0.5
1
1.5
2
TABEL 3
rbf_dog, manh
nr. neuroni
nr. epoci
80
5
68
29
33
2
17
6
8
13
PCICg
89.0625 %
17.1875 %
3.125 %
3.125 %
25 %
6.Concluzii
n urma rezultatelor experimentale, reiese
faptul c o re ea cu func ie baz radial are performan e
mai bune n cazul acestui tip de problem . Cel mai bun
PCICg ob inut cu re eaua cu fuzzy perceptron
(15,625%) este de 10 ori mai mare dect cel din cazul
re elei cu func ie radial (1.5625 %). De asemeni dac
se iau n considerare num rul de epoci dup care a
rezultat acest PCICg, rezult faptul c re eaua cu fuzzy
perceptron este mult mai lent (n medie, de 50 de ori
mai lent ).
n cazul re elei cu func ie radial , ambele
func ii(gausian si rbf_dog) au performan e bune i
asem n toare. Se observ
de cazul n care se
7. Bibliografie
[Dogaru08]
Anex
Programul step3a.m
i=1;
while(i<size(C,1)) %se parcurge matricea C
min1=C(i);
%coordonata x minima este a primului element din matrice/linia
%de caractere
init=i;
%limitele liniei de caractere
final=i;
while ((C(i)<=min1+30)&&(i<size(C,1))) % cat timp coordonata x a carcterului
%curent este mai mica decat coordonata x minima + un prag luat
%empiric; acest prag reprezinta nr max de pixeli cu care un %
carcater este scris mai jos fata de cel mai de sus %caracter
i=i+1;
% se parcurge matricea
end
% daca s-a depasit pragul inseamna ca s-a terminat linia
final=i-1;
% se seteaza finalul
u=zeros(1,4);
% variabila va fi folosita pentru copiere
g=1;
% se sorteaza crescator sirul in functie de ccoordonata y
if(i==size(C,1))
final=size(C,1);
end
while(g)
g=0;
for a=init:(final-1)
if(C(a,2)>C(a+1,2))
u=C(a,:);
C(a,:)=C(a+1,:);
C(a+1,:)=u;
g=1;
end
end
end
end