|
| Titre : | Application de la méthode support vector machines (SVM) pour la reconnaissance des chiffres manuscrits | | Type de document : | theses et memoires | | Auteurs : | Noria Haliche, Auteur ; Allouane Aniya, Auteur ; Malika Ait Aider, Directeur de thèse | | Editeur : | Tizi Ouzou : UMMTO.FGEI | | Année de publication : | 2011 | | Importance : | 59 p. | | Présentation : | ill. | | Format : | 30 cm. | | Note générale : | Bibliogr. | | Langues : | Français | | Mots-clés : | SVM Reconnaissance de chiffres . | | Résumé : | Résumé
La reconnaissance de formes est une branche de l’intelligence artificielle qui a
la capacité d’identifier ou de classer des formes ou des objets en se basant,
essentiellement, sur l’étape de caractérisation que sur la technique de classification.
C’est un domaine très vaste, car on trouve plusieurs applications à savoir : la
reconnaissance des empreintes digitales, identification de personnes, reconnaissance
des défauts de pièces (contrôle de qualité), la reconnaissance de caractères manuscrits,
etc. Dans cette dernière application on distingue la reconnaissance de chiffres
manuscrits qui fera l’objet de notre travail.
On distingue deux volets dans la reconnaissance de chiffres manuscrits :
reconnaissance en ligne et la reconnaissance hors ligne. Dans la première catégorie, la
reconnaissance se fait en temps réel où le facteur temps de traitement est non
négligeable. Par contre dans la deuxième, la reconnaissance est en temps différé.
Dans ce travail, on s’est intéressé à la deuxième catégorie qui une tâche plus
complexe que la précédente.
La reconnaissance hors ligne reste à ce jour un thème de recherche ouvert. En
effet, bien que le nombre de classes naturelles soit réduit à 10 (chiffres 0 à 9), on
trouve à l’intérieur de chacune d’entre elles une très grande variabilité de l’écriture. De
plus, les conditions, souvent précaires, du matériel utilisé (divers stylos, différentes
qualités de papiers) tendent à rendre la reconnaissance plus complexe. Dans ces
conditions, l’extraction des caractéristiques est une étape essentielle et délicate dans la
construction d’un système de reconnaissance. Dans notre mémoire, l’extraction des
caractéristiques est faite selon trois méthodes : la binarisation, la normalisation et la
méthode d’ondelette. Les images ainsi traitées sont classifiées par le classifieur
machine à vecteur de support (SVM). Les résultats de ces trois analyses sont comparés
entre elles afin d’en déduire la plus performante. | | En ligne : | https://dl.ummto.dz/bitstream/handle/ummto/8154/HalicheNoria_Allouaneaniya.pdf?s [...] | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=26814 |
Application de la méthode support vector machines (SVM) pour la reconnaissance des chiffres manuscrits [theses et memoires] / Noria Haliche, Auteur ; Allouane Aniya, Auteur ; Malika Ait Aider, Directeur de thèse . - Tizi Ouzou (Tizi Ouzou) : UMMTO.FGEI, 2011 . - 59 p. : ill. ; 30 cm. Bibliogr. Langues : Français | Mots-clés : | SVM Reconnaissance de chiffres . | | Résumé : | Résumé
La reconnaissance de formes est une branche de l’intelligence artificielle qui a
la capacité d’identifier ou de classer des formes ou des objets en se basant,
essentiellement, sur l’étape de caractérisation que sur la technique de classification.
C’est un domaine très vaste, car on trouve plusieurs applications à savoir : la
reconnaissance des empreintes digitales, identification de personnes, reconnaissance
des défauts de pièces (contrôle de qualité), la reconnaissance de caractères manuscrits,
etc. Dans cette dernière application on distingue la reconnaissance de chiffres
manuscrits qui fera l’objet de notre travail.
On distingue deux volets dans la reconnaissance de chiffres manuscrits :
reconnaissance en ligne et la reconnaissance hors ligne. Dans la première catégorie, la
reconnaissance se fait en temps réel où le facteur temps de traitement est non
négligeable. Par contre dans la deuxième, la reconnaissance est en temps différé.
Dans ce travail, on s’est intéressé à la deuxième catégorie qui une tâche plus
complexe que la précédente.
La reconnaissance hors ligne reste à ce jour un thème de recherche ouvert. En
effet, bien que le nombre de classes naturelles soit réduit à 10 (chiffres 0 à 9), on
trouve à l’intérieur de chacune d’entre elles une très grande variabilité de l’écriture. De
plus, les conditions, souvent précaires, du matériel utilisé (divers stylos, différentes
qualités de papiers) tendent à rendre la reconnaissance plus complexe. Dans ces
conditions, l’extraction des caractéristiques est une étape essentielle et délicate dans la
construction d’un système de reconnaissance. Dans notre mémoire, l’extraction des
caractéristiques est faite selon trois méthodes : la binarisation, la normalisation et la
méthode d’ondelette. Les images ainsi traitées sont classifiées par le classifieur
machine à vecteur de support (SVM). Les résultats de ces trois analyses sont comparés
entre elles afin d’en déduire la plus performante. | | En ligne : | https://dl.ummto.dz/bitstream/handle/ummto/8154/HalicheNoria_Allouaneaniya.pdf?s [...] | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=26814 |
|
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesApplication de la méthode support vector machines (SVM) pour la reconnaissance des chiffres manuscrits / Noria Haliche (2011)
