基于硬笔划特征挖掘的在线阿拉伯语手写字符识别神经计算

由于存在阿拉伯语草书风格、书写速度、书写者情绪等固有复杂性，在线阿拉伯语草书字符识别仍然是一个巨大的挑战。由于这些不可避免的限制，在线阿拉伯语字符识别的准确率仍然较低，并留有提升空间。在本研究中，提出了一种增强方法，用于从在线阿拉伯语脚本识别的笔划特征的垂直和水平方向长度中检测所需的关键点。每个提取的笔划特征将每个孤立字符分割成一些有意义的模式，称为标记。从这些标记中提取最小特征集，用于使用具有反向传播学习算法和基于修正S型函数的激活函数的多层感知器对字符进行分类。在这项工作中，实现了两个里程碑：首先，获得固定数量的标记；其次，最小化最重复标记的数量。在实验中，我们从OHASD基准数据集中选择了手写阿拉伯语字符来测试和评估所提出的方法。该方法达到了98.6%的平均准确率，可与最先进的字符识别技术相媲美。