เทคนิคการลดมิติข้อมูลสำหรับการรู้จำลายมือเขียนภาษาไทยแบบออฟไลน์

โกวิท ปัญญาโสภณเลิศ

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/14010

Title:	เทคนิคการลดมิติข้อมูลสำหรับการรู้จำลายมือเขียนภาษาไทยแบบออฟไลน์
Other Titles:	Dimensionality reduction techniques for off-line Thai handwritten character recognition
Authors:	โกวิท ปัญญาโสภณเลิศ
Advisors:	บุญเสริม กิจศิริกุล
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email:	boonserm@cp.eng.chula.ac.th, Boonserm.K@chula.ac.th
Subjects:	การรู้จำอักขระ (คอมพิวเตอร์)
Issue Date:	2551
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	วิทยานิพนธ์ฉบับนี้มีวัตถุประสงค์เพื่อทำการหาวิธีการลดมิติสำหรับการรู้จำตัวอักษรลาย มือเขียนภาษาไทยที่มีความเหมาะสมสำหรับการรู้จำโดยใช้วิธีการเพื่อนบ้านใกล้สุด k ตัวเป็นตัวจำแนกประเภท โดยทำการเปรียบเทียบอัตราการรู้จำด้วยวิธีการลดมิติต่างๆ ได้แก่ พีซีเอ, แอลดีเอ, แอล-เอ็มดีเอส, แอลพีพี, แอลดีอี, ดีเอ็นอี และแอล-ไอโซแมป นอกจากนี้ยังได้เสนอเทคนิคการทำภาพเบลอแบบกระจายเพื่อใช้ในขั้นตอนการประมวลผลภาพเบื้องต้นเพื่อให้การวัดความคล้าย กันของข้อมูลด้วยระยะห่างยุคลิดมีความถูกต้องมากยิ่งขึ้น การทดลองแบ่งออกเป็น 2 การทดลองหลัก คือ 1. การทดสอบประสิทธิภาพของการทำภาพเบลอแบบกระจาย และ 2. การทดสอบประสิทธิภาพในการรู้จำตัวอักษรโดยใช้วิธีการลดมิติแต่ละวิธี ภายในแต่ละการทดลองได้แบ่งชุดข้อมูลทดสอบออกเป็นชุดที่ขึ้นต่อผู้เขียนและชุดทดสอบที่ไม่ขึ้นต่อผู้เขียน ตัวอักษรทั้งหมดถูกแบ่งออกเป็น 3 กลุ่มใหญ่ตามตำแหน่งในการเขียน คือ ตัวอักษรระดับบน, ระดับกลาง และระดับล่างของบรรทัด และยังได้ทำการเพิ่มกลุ่มย่อยสำหรับตัวอักษรที่มีความคล้ายคลึงกันในบางการทดลองด้วย ผลการทดลองพบว่าการลดมิติด้วยวิธีดีเอ็นอีให้อัตราการรู้จำโดยเฉลี่ยดีกว่าวิธีการลดมิติแบบอื่นทั้งหมด ทั้งยังมีความง่ายในการนำไปใช้งานเพราะมีตัวแปรเพียง 1 ตัวนั่นคือจำนวนเพื่อนบ้านในขั้นตอนการสร้างกราฟ จากผลการทดลองยังแสดงให้เห็นอีกว่าการทำภาพเบลอแบบกระจายในขั้นตอนการประมวลผลภาพเบื้องต้นทำให้อัตราการรู้จำเพิ่มขึ้นในทุกๆ การทดลอง โดยผลการทดลองที่ดีที่สุดสำหรับชุดข้อมูลทดสอบที่ขึ้นต่อผู้เขียนและไม่ขึ้นต่อผู้เขียนมีอัตราการรู้จำที่ 88.01 เปอร์เซ็นต์ และ 84.45 เปอร์เซ็นต์ ตามลำดับ โดยใช้วิธีดีเอ็นอีในการลดมิติ
Other Abstract:	In this research, various types of dimensionality reduction techniques, i.e. PCA, LDA, L-MDS, LPP, LDE, DNE and L-ISOMAP were applied to Thai Optical Character Recognition (Thai OCR). The goal is to find a technique suitable for Thai OCR which uses the k-nearest neighbor algorithm (k-nn) as a classifier. We also propose the image blurring technique called “diffusion blurring” for image-preprocessing step to improve distance measurement by euclidean distance. The experiments were divided into two sub-experiments. The first sub-experiment was for performance of blurring techniques. The second sub-experiment was conducted for evaluating the dimensionality reduction techniques. In each experiment, we divided data into two datasets, writer-dependent and writer-independent datasets. The characters were divided into three major groups i.e. top level, middle level and bottom level character classes and also divided into minor groups for similar characters in some experiments. The experimental results show that DNE outperformed the other dimensionality reduction techniques and was easy to use due to only one adjustable parameter that is the number of neighbors for graph construction. The results also show that the diffusion blurring technique improved the performance for all experiments. The best results for the writer-dependent dataset and the writer-independent dataset were 88.01% and 84.45% respectively by using DNE as a dimensionality reduction technique.
Description:	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2551
Degree Name:	วิทยาศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	วิทยาศาสตร์คอมพิวเตอร์
URI:	http://cuir.car.chula.ac.th/handle/123456789/14010
URI:	http://doi.org/10.14457/CU.the.2008.167
metadata.dc.identifier.DOI:	10.14457/CU.the.2008.167
Type:	Thesis
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
Kovit_pu.pdf		2.27 MB	Adobe PDF	View/Open

Show full item record