Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userUsing Data Mining To Help Machine In Handwriting Characters Recognition
استخدام التنقيب في البيانات لمساعدة الآلة في تمييز المحارف المكتوبة يدوياً
1701
6 35
0
(
0
)
Created by
Shamra Editor
Ask ChatGPT about the research
نقدم في بحثنا طريقة بسيطة, لتمييز صور المحارف المكتوبة يدوياً بالاعتماد على عمليات التنقيب التنبئي. و ذلؾ من خلال استخراج إحداثيات النقاط السوداء من صور المحارف الثنائية اللون (أسود, أبيض) المستخدمة في مراحل التدريب و الاختبار. و تخزينها في قاعدة بيانات, و فق بنية مناسبة لعمليات التنقيب التنبئي (بيانات تدريب و بيانات اختبار). و من ثم استخدام بيانات التدريب المستخرجة لبناء نموذج تنبئي يساعد على تمييز صور الاختبار, اعتماداً على خصائصها المستخرجة. و قد أجرينا عدة اختبارات على عينات مختلفة من صور المحارف المكتوبة يدوياً, و حصلنا على نتائج دقيقة, ضمن الشروط المطلوبة.
In this research, we offered a new and simple way of Handwriting Characters Recognition. This way extracts positions of the black points from binary images (black, white) according to certain coordinates which are used in the stages of training and testing. The extracted positions are stored in a database according to appropriate structure for predictive data mining. We used training data to build a predictive model which helps in Recognition testing data depending on the data stored in the database. We have conducted a number of tests on different samples of handwriting character images. We got accurate results, within the required conditions.
Artificial intelligence review:
Research summary
يتناول هذا البحث الذي أعده الطالب بسام الديب بإشراف أ.د. مهند رجب ود. زكريا زكريا من جامعة البعث، استخدام تقنيات التنقيب في البيانات لتحسين تمييز المحارف المكتوبة يدوياً. يوضح البحث أن تمييز المحارف بصرياً (OCR) قد حقق تقدماً كبيراً، ولكنه لا يزال يواجه تحديات كبيرة عند التعامل مع الكتابات اليدوية وكتابات الأطفال بسبب التنوع الكبير في الأشكال والأحجام. يقدم البحث طريقة جديدة تعتمد على استخراج إحداثيات النقاط السوداء من صور المحارف الثنائية اللون (أسود وأبيض) وتخزينها في قاعدة بيانات. يتم استخدام هذه البيانات لبناء نموذج تنبؤي يساعد في تمييز صور الاختبار. استخدم الباحثون خوارزمية التصنيف البيزياني البسيط لاختبار فعالية الطريقة المقترحة، وحققوا نتائج دقيقة ضمن الشروط المطلوبة. يهدف البحث إلى دراسة فعالية عمليات التنقيب التنبئي لاستخراج المعرفة من كميات البيانات الضخمة باستخدام خصائص مستخرجة من صور المحارف المكتوبة يدوياً. كما يهدف إلى تقديم طريقة جديدة وبسيطة لتمييز هذه الصور، مما قد يقود إلى أبحاث مستقبلية أكثر تطوراً في هذا المجال.
Critical review
دراسة نقدية: بالرغم من أن البحث يقدم طريقة مبتكرة ومبسطة لتمييز المحارف المكتوبة يدوياً باستخدام تقنيات التنقيب في البيانات، إلا أنه يواجه بعض التحديات. أولاً، الاعتماد على خصائص محددة مثل إحداثيات النقاط السوداء قد يكون محدوداً في التعامل مع التنوع الكبير في الكتابات اليدوية. ثانياً، استخدام خوارزمية التصنيف البيزياني البسيط قد لا يكون كافياً للتعامل مع التعقيدات الكبيرة في الكتابات اليدوية المتنوعة. ثالثاً، البحث لم يتناول بشكل كافٍ كيفية التعامل مع الضجيج في البيانات أو كيفية تحسين جودة الصور المدخلة. وأخيراً، قد يكون من المفيد توسيع نطاق البحث ليشمل تقنيات تعلم الآلة الأكثر تطوراً مثل الشبكات العصبية العميقة لتحسين دقة التمييز.
Questions related to the research
-
ما هي التحديات الرئيسية التي تواجه تمييز المحارف المكتوبة يدوياً؟
التحديات الرئيسية تشمل التنوع الكبير في الأشكال والأحجام للكتابات اليدوية، والتعامل مع الضجيج في البيانات، والحاجة إلى أنظمة مراقبة وإشراف عالية المستوى.
-
ما هي الطريقة المقترحة في البحث لتمييز المحارف المكتوبة يدوياً؟
الطريقة المقترحة تعتمد على استخراج إحداثيات النقاط السوداء من صور المحارف الثنائية اللون وتخزينها في قاعدة بيانات، ثم استخدام هذه البيانات لبناء نموذج تنبؤي يساعد في تمييز صور الاختبار.
-
ما هي الخوارزمية المستخدمة في البحث لاختبار فعالية الطريقة المقترحة؟
استخدم الباحثون خوارزمية التصنيف البيزياني البسيط لاختبار فعالية الطريقة المقترحة.
-
ما هي النتائج التي حققها البحث باستخدام الطريقة المقترحة؟
حقق البحث نتائج دقيقة في تمييز المحارف المكتوبة يدوياً ضمن الشروط المطلوبة، مما يدل على فعالية الطريقة المقترحة.
References used
AGGARWAL, CH ,2014–Data Classification Algorithms and Applications. First Edition, Taylor & Francis Group, LLC, New York, USA,64P
ALPAYDIN, E, 2010-Introduction to Machine Learning. Second Edition, Cambridge, Massachusetts London, England, 579p
BARBER,D,2010-Bayesian Reasoning and Machine Learning. First Edition, Cambridge University Press, London, England, 610p
rate research
Read More
The objective of this paper is presenting an educational data
mining case study, by applying data mining techniques.
Data Mining
التنقيب في البيانات
التنقيب في بيانات المؤسسات التعليمية
برنامج ذكاء الأعمال الخاص بشركة مايكروسوفت
خوارزمية مايكروسوفت لأشجار القرار
خوارزمية مايكروسوفت للتجميع و الكشف عن الحالات الشاذة
خوارزمية مايكروسوفت لقواعد الارتباط
Educational Data Mining
SQL Server Business Intelligence Development Studio
Microsoft Decision Trees
Microsoft Clustering
Outlier Detection
Microsoft Association Rules
المزيد..
Educational data mining aims to study the available data in the educational field and extract the hidden knowledge from it in order to benefit from this knowledge in enhancing the education process and making successful decisions that will improve th
e student’s academic performance. This study proposes the use of data mining techniques to improve student performance prediction. Three classification algorithms (Naïve Bayes,J48, Support Vector Machine) were applied to the student performance database, and then a new classifier was designed to combine the results of those individual classifiers using Voting Method. The WEKA tool was used, which supports a lot of data mining algorithms and methods. The results show that the ensemble classifier has the highest accuracy for predicting students' levels compared to other classifiers, as it has achieved a recognition accuracy of 74.8084%. The simple k-means clustering algorithm was useful in grouping similar students into separate groups, thus understanding the characteristics of each group, which helps to lead and direct each group separately.
In this paper we introduce a comparison for some of data mining algorithm for traffic accidents analysis.
We start by describing available data for entry by analyzing the structure of statistical reports in Lattakia traffic directorate, and proceed
to data mining stage which enables us to smart study of factors that play roles in traffic accident and find its inter-relations and importance for causing traffic accident.
That comes after building data warehouse upon the database we built to store the data we gathered.
In this research we list a some of models was tested which is a sample of a many cases we checked to have the research results.
Flight delays are frequent all over the world (about 20% of airline flights arrive more than 15 minutes
late) and they are estimated to have an annual cost of several tens of billion dollars. This scenario makes
the prediction of flight delays a pr
imary issue for airlines and travelers. The main goal of this work is to
implement a predictor of the arrival delay of a scheduled flight due to weather conditions. The predicted
arrival delay takes into consideration both flight information (origin airport, destination airport, scheduled
departure and arrival time) and weather conditions at origin airport and destination airport according to
the flight timetable. Airline flights and weather observations datasets have been analyzed and mined using
parallel algorithms implemented as MapReduce programs executed on a Cloud platform. The results show
a high accuracy in predicting delays above a given threshold. For instance, with a delay threshold of 15
minutes we achieve an accuracy of 74.2% and 71.8% recall on delayed flights, while with a threshold of
60 minutes the accuracy is 85.8% and the delay recall is 86.9%. Furthermore, the experimental results
demonstrate the predictor scalability that can be achieved performing data preparation and mining tasks
as MapReduce applications on the Cloud.
The advances in location-acquisition and mobile computing techniques have generated massive spatial trajectory data, which represent the mobility of a diversity of moving objects, such as people, vehicles and animals. Many techniques have been propos
ed for processing, managing and mining trajectory data in the past decade, fostering a broad range of applications. In this article, we conduct a systematic survey on the major research into trajectory data mining, providing a panorama of the field as well as the scope of its research topics. Following a roadmap from the derivation of trajectory data, to trajectory data preprocessing, to trajectory data management, and to a variety of mining tasks (such as trajectory pattern mining, outlier detection, and trajectory classification), the survey explores the connections, correlations and differences among these existing techniques. This survey also introduces the methods that transform trajectories into other data formats, such as graphs, matrices, and tensors, to which more data mining and machine learning techniques can be applied. Finally, some public trajectory datasets are presented. This survey can help shape the field of trajectory data mining, providing a quick understanding of this field to the community.
suggested questions
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
