Experiments with RST, A Rotation, Scaling and Translation Invariant Pattern Classification System
C. Yüceer, K. Oflazer , Bilkent Üniversitesi, Türkiye.
Abstract
This paper includes an overview and experimental results on RST, the hybrid patteru classification system. It can recognize patterns even when they are deformed by a transformation like rotation, scaling, and translation or a combination of these [11]. The system is formed of a Karhunen-Loeve transform based pattern preprocessor, an artificial neural network classifier and an interpreter. After a description of the system architecture, experimental results are provided from three different classification domains: classiflcation of letters in the English alphabet, classification of the letters in the Japanese Katakana alphabet, and classification of five main geometric figures. The system is general purpose and has a reasonable noise tolerance.
Özet
Bu makalede hibrid örüntü sınıflandırma sistemi RST üzerine genel bir bakış ve deneysel sonuçlar yer almaktadır. Döndürme, ölçekleme, çeviri veya bunların bir kombinasyonu gibi bir dönüşümle deforme olmuş olsalar bile kalıpları tanıyabilir [11]. Sistem bir Yapay Sinir Ağı Sınıflandırıcısı ve bir tercüman olan Karhunen-Loeve dönüşümü bazlı model ön işlemcisinden oluşur. Sistem mimarisinin tanımlanmasından sonra, deneysel sonuçlar üç farklı sınıflandırma alanından sağlanmıştır: İngilizce alfabedeki harflerin sınıflandırılması, Japon Katakana alfabesindeki harflerin sınıflandırılması ve beş ana geometrik figürün sınıflandırılması. Sistem genel amaçlıdır ve makul bir ses toleransına sahiptir.
Tam Metin
Bildirinin tamamını görüntülemek için aşağıdaki dosyayı indiriniz.
Last updated
Was this helpful?