研究文章
乌尔都语手写字符数据可视化和认可使用分布式随机社区网络嵌入和深
表5
比较分析,我们建议的方法与先进的乌尔都语手写字符分类方法。
|
| 参考 |
方法 |
特性 |
精度(%) |
|
| 乌尔都语手写字符的分类准确率 |
| 阿里et al。28] |
神经网络 |
几何中风 |
75 - 80% |
| 海德尔和汗29日] |
摘要利用,并通过 |
几何中风 |
66% |
| 沙赫扎德et al。30.] |
线性分类器 |
统计特性 |
66% |
| 艾哈迈德et al。31日] |
BLSTM |
基于像素 |
92 - 94% |
| Ko和Poruran32] |
支持向量机 |
Transfer-learning特性 |
82年。30% |
| 阿里et al。33] |
支持向量机 |
基于像素特征 |
95年。79% |
| 我们的方法 |
美国有线电视新闻网 |
像素和geometrical-based |
96年。04% |
|
| 乌尔都语手写数字的分类准确率 |
| 交易所和安萨里34] |
Daubechies小波 |
基于像素 |
92年。05% |
| Razzak et al。35];Razzak et al。36] |
嗯,模糊规则 |
基于像素 |
97年。45%,97。09% |
| Sarkhel et al。37] |
多列多尺度CNN |
Non-explicit基于特征的方法 |
98.90% |
| Takruri et al。38] |
(MMCNN)模糊c均值分类器安 |
基于像素特征 |
88.00% |
| 说等。39] |
安 |
基于像素特征 |
94.00% |
| Mowlaei et al。40] |
安 |
小波的特性 |
97.34% |
| 我们的方法 |
美国有线电视新闻网 |
像素和geometrical-based |
99.01% |
|
|
