Um Comitê de Redes Neurais para o Reconhecimento de Letras Manuscritas
Resumo
A necessidade de leitura automática de cheques bancários, endereçamento de cartas, formulários diversos, por exemplo, têm incentivado pesquisas no campo do reconhecimento inteligente de caracteres manuscritos. Este trabalho traz a proposta de um comitê formado por redes neurais do tipo Multi Layer Perceptron (MLP), para o reconhecimento de letras manuscritas. Foram feitos estudos sobre a diversidade e exatidão entre os agentes componentes do comitê a fim de que fosse possível estimar previamente o desempenho a ser alcançado por cada combinação de agentes experimentada. Os resultados de cada tentativa são avaliados individualmente e em seguida são comparados com uma outra técnica de combinação de agentes [SILVA 2002], utilizando a mesma massa de dados.
Referências
ADEVA, J.J.G (2005) “Accuracy and Diversity in Ensembles of Text Categorisers”, CLEI Electronic Journal, vol 9, pp 1-12, [link], maio 2006.
AIRES, S,B,K (2003) “Reconhecimento de Caracteres Manuscritos Baseado em Regiões Perceptivas”, Dissertação (Mestrado em Informática Aplicada), PUCPR/PPGIA, Curitiba, Paraná, 82f.
ARICA, N. ; VURAL, F. T. Y (2001)“An Overview of Character Recognition Focused on Off-Line Handwriting” Ieee Transactions on Systems, Man, and Cybernetics Part C:Aplications and Reviews, vol. 31, no 2, pp. 216-233, maio.
DUIN, A P.; et al (2004) “The Characterization of Classification Problems by Classifier Disagreements” IN: ICPR, pp.140-143, Cambridge, UK.
FRANCO, C. R (2002) “Novos Métodos de Classificação Nebulosa e de Validação de Categorias e Suas Aplicações a Problemas de Reconhecimento de Padrões”, Dissertação (Mestrado em Informática) – Universidade Federal do Rio de Janeiro, IM/NCE, 133f.
GOPISETTY, S. et al (1996) “Automated Forms Processing Software and Services”. IBM J. Res. Develop., V. 40, No 2, pp. 211-230, Março.
HADJITODOROV, S.T. et al (2005)“Moderate Diversity for Better Cluster Ensemble” [link]. ,Maio 2006
HANMANDLU, M. et al.(2003) “Unconstrained Handwritten Character Recognition Based on Fuzzy ogic”, Pattern Recognition, vol 36, no 3, pp 603-623.
HAYKIN, S. (2001) “Redes Neurais: Princípios E Prática”, 2a. Ed. Porto Alegre: Bookman, 900 P. Il.
KUNCHEVA, L.I. & WHITAKER, C.J.(2003) “Measures of Diversity in classifier Ensembles and Their Relationship Whit The Ensemble Accuracy”, Machine Learning, Vol 51, No 2, pp. 181-207.
KUNCHEVA, L.I. (2005) “Measures of Diversity”, Machine Learning, Vol 51, No 2, pp. 181-207.
MORITA, M. et al (2002) “An HMM-MLP Hybrid System to Recognize Handwriting Dates”, Neural Networks, IJCNN'02. Proceedings of the 2002, V.1, Pp. 867-872.
OH, I. & SUEN, C.Y. (2002) “A Class-Modular Feedfoward Neural Network For Handwriting Recognition”, Pattern Recognition, V. 35, Pp. 229-244.
OLIVEIRA, L.S., et al (2002). “Automatic Recognition Of Handwritten Numerical Strings: A Recognition E Verification Strategy” IEEE Transactions On Pattern Analysis And Machine Intelligence, V. 24, N. 11, Pag. 1438-1454, Novembro.
OLIVEIRA, L.S., et al (2004). “Handwritten Month Word Recogniton Using Multiple Classifiers” XVII Brazilian Symposium on Computer Graphics ansd Image Processing (SIBIGRAPI), Curitiba, Brasil, Outubro.
RODRIGUES, J.R., (2003) “Segmentação E Extração de Características para Reconhecimento Automático de Caracteres Estudo e Propostas”, Dissertação (Mestrado Em Informática) – Universidade Federal Do Rio De Janeiro, Rio De Janeiro, 169f.
SHRIDHAR,M.; & KIMURA,F. (1991) “Handwritten Numerical Recognition Based On Multiple Algoritms”, Pattern Recognit., Vol 24, No. 10, pp. 969-983.
SILVA, E. (2002) “Reconhecimento Inteligente de Caracteres Manuscritos” Dissertação (Mestrado em Sistemas e Computação) Instituto Militar de Engenharia, Rio de janeiro, 168f.
SILVA, V.S.R. (2006) “Um Comitê de Redes Neurais para Reconhecimento de Caracteres Manuscritos”, Dissertação (Mestrado Em Informática) – Universidade Federal Do Rio De Janeiro, Rio De Janeiro, 121f.
WINDEATT,T., (2005) “Diversity Measures for Multiple Classifier System Analysis and Design” Information Fusion, Vol 6, No 1, pp. 21-36.
AIRES, S,B,K (2003) “Reconhecimento de Caracteres Manuscritos Baseado em Regiões Perceptivas”, Dissertação (Mestrado em Informática Aplicada), PUCPR/PPGIA, Curitiba, Paraná, 82f.
ARICA, N. ; VURAL, F. T. Y (2001)“An Overview of Character Recognition Focused on Off-Line Handwriting” Ieee Transactions on Systems, Man, and Cybernetics Part C:Aplications and Reviews, vol. 31, no 2, pp. 216-233, maio.
DUIN, A P.; et al (2004) “The Characterization of Classification Problems by Classifier Disagreements” IN: ICPR, pp.140-143, Cambridge, UK.
FRANCO, C. R (2002) “Novos Métodos de Classificação Nebulosa e de Validação de Categorias e Suas Aplicações a Problemas de Reconhecimento de Padrões”, Dissertação (Mestrado em Informática) – Universidade Federal do Rio de Janeiro, IM/NCE, 133f.
GOPISETTY, S. et al (1996) “Automated Forms Processing Software and Services”. IBM J. Res. Develop., V. 40, No 2, pp. 211-230, Março.
HADJITODOROV, S.T. et al (2005)“Moderate Diversity for Better Cluster Ensemble” [link]. ,Maio 2006
HANMANDLU, M. et al.(2003) “Unconstrained Handwritten Character Recognition Based on Fuzzy ogic”, Pattern Recognition, vol 36, no 3, pp 603-623.
HAYKIN, S. (2001) “Redes Neurais: Princípios E Prática”, 2a. Ed. Porto Alegre: Bookman, 900 P. Il.
KUNCHEVA, L.I. & WHITAKER, C.J.(2003) “Measures of Diversity in classifier Ensembles and Their Relationship Whit The Ensemble Accuracy”, Machine Learning, Vol 51, No 2, pp. 181-207.
KUNCHEVA, L.I. (2005) “Measures of Diversity”, Machine Learning, Vol 51, No 2, pp. 181-207.
MORITA, M. et al (2002) “An HMM-MLP Hybrid System to Recognize Handwriting Dates”, Neural Networks, IJCNN'02. Proceedings of the 2002, V.1, Pp. 867-872.
OH, I. & SUEN, C.Y. (2002) “A Class-Modular Feedfoward Neural Network For Handwriting Recognition”, Pattern Recognition, V. 35, Pp. 229-244.
OLIVEIRA, L.S., et al (2002). “Automatic Recognition Of Handwritten Numerical Strings: A Recognition E Verification Strategy” IEEE Transactions On Pattern Analysis And Machine Intelligence, V. 24, N. 11, Pag. 1438-1454, Novembro.
OLIVEIRA, L.S., et al (2004). “Handwritten Month Word Recogniton Using Multiple Classifiers” XVII Brazilian Symposium on Computer Graphics ansd Image Processing (SIBIGRAPI), Curitiba, Brasil, Outubro.
RODRIGUES, J.R., (2003) “Segmentação E Extração de Características para Reconhecimento Automático de Caracteres Estudo e Propostas”, Dissertação (Mestrado Em Informática) – Universidade Federal Do Rio De Janeiro, Rio De Janeiro, 169f.
SHRIDHAR,M.; & KIMURA,F. (1991) “Handwritten Numerical Recognition Based On Multiple Algoritms”, Pattern Recognit., Vol 24, No. 10, pp. 969-983.
SILVA, E. (2002) “Reconhecimento Inteligente de Caracteres Manuscritos” Dissertação (Mestrado em Sistemas e Computação) Instituto Militar de Engenharia, Rio de janeiro, 168f.
SILVA, V.S.R. (2006) “Um Comitê de Redes Neurais para Reconhecimento de Caracteres Manuscritos”, Dissertação (Mestrado Em Informática) – Universidade Federal Do Rio De Janeiro, Rio De Janeiro, 121f.
WINDEATT,T., (2005) “Diversity Measures for Multiple Classifier System Analysis and Design” Information Fusion, Vol 6, No 1, pp. 21-36.
Publicado
30/06/2007
Como Citar
SILVA, Viviane Soares Rodrigues; THOMÉ, Antonio Carlos Gay.
Um Comitê de Redes Neurais para o Reconhecimento de Letras Manuscritas. In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL (ENIAC), 6. , 2007, Rio de Janeiro/RJ.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2007
.
p. 1052-1061.
ISSN 2763-9061.
