신경 회로망과 퍼지 추론을 이용한 다중 특징 문자 인식 방법

Abstract

본 논문에서는 문자 인식을 위하여 mesh와 방향성 특징의 두 종류를 사용하여 각각 신경 회로망으로 분류하고, 그 출력을 퍼지 추론 방식으로 종합하여 판정하는 방법을 제시하였다. 이 방법을 사용하면 단일 특정 인식률의 정도에 따라 1-8% 이상 인식률을 향상시킬 수 있었으며, 인식률이 낮은 패턴에 대해 더욱 효과적으로 동작할 수 있었다. 또한 판정을 위해 퍼지 추론 방법을 사용함에 따라 복잡한 계산을 피했으며, 구조의 복잡성과 분류율을 파라메터로 조절할 수 있는 신경 회로망을 사용하여 특징들을 분류함으로써 실용성과 유연성을 높였다.

A neuro-fuzzy system for the multifeature character recognition is proposed. Two neural network classifiers are used to classify two sets of character features. The output of the classifers are transferred to the fuzzy inference engine to make decision. With this mulitfeature and fuzzy decision making method, the improved rate of the recognition are varied with the recognition rate of the single featrue system. It is shown that the rate of 1-8% is improved than the single feature recognition system, and that the system can work more effectively when the single system has low recognition rate.

A neuro-fuzzy system for the multifeature character recognition is proposed. Two neural network classifiers are used to classify two sets of character features. The output of the classifers are transferred to the fuzzy inference engine to make decision. With this mulitfeature and fuzzy decision making method, the improved rate of the recognition are varied with the recognition rate of the single featrue system. It is shown that the rate of 1-8% is improved than the single feature recognition system, and that the system can work more effectively when the single system has low recognition rate.