///选项卡11

研究文章

在梵文字母手写字符识别的性能改进

表11

比较方法的性能与以前报道的结果。


数据集	方法使用先前报道的结果	功能使用之前的报告结果	所使用的分类器之前报道的结果	之前报道识别百分比	识别的方法(直接像素功能)	该方法识别的百分比(梯度特性)

cpar - 2012 数字(17]	分类器组合(MV)	直接像素+简介+梯度+小波变换	CCN、模糊神经网络、打印、资讯、FFT	97.87% (35000)	97.47 (35000)	98.07 (35000)
cpar - 2012字符(9]	分类器组合(MV)	直接像素+简介+梯度+小波变换	CCN、模糊神经网络、打印、资讯、FFT	84.03% (79400)	82.79% (79400)	85.11 (79400)
ISI梵文字母数字(18]	功能组合	PCA / MPCA + QTLR	支持向量机	98.55% (3000) CMATER数据
ISI梵文字母数字(16]	多级分类器	小波	多级 mlp	99.04与0.24%拒绝	97.26 (22546) 完整的三军情报局数据	98.17 (22546) 完整的三军情报局数据
ISI梵文字母数字(7]	整体使用演算法	泽尼克时刻	mlp	96.80(单)(22546)

略语表11如下:主成分分析:主成分分析、资讯:再,模糊神经网络:前馈神经网络,支持向量机:支持向量机,延时:多层感知器,CNN:级联神经网络打印:模式识别网络,和FFT:神经网络拟合函数。

文章奖:2020年杰出的研究贡献,选择由我们的首席编辑。获奖的文章阅读。