دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 3 6 2023 06 08 Identification of Persian handwritten cultivars using the bat algorithm شناسایی ارقام دستنویس فارسی با استفاده از الگوریتم خفاش 77 97 10.22051/jera.2021.31891.2698 FA فاطمه کارشناسی ارشد،گروه کامپیوتر، دانشگاه آزاد اسلامی، بیرجند، ایران 2023 05 24 Recognition of handwritten numbers is a complex issue in the field of image processing. Due to being in the digital age, speed and accuracy of intelligent systems have always been developing, which is why image processing has become particularly important. On the other hand, due to the importance of handwritten numbers recognitions and its various applications, in this study, an algorithm has been proposed to recognize Persian handwritten numbers. In this research, two methods of “framing and wavelet transform” have been used to extract the feature. The KNN classification method is also used. After testing different dimensions of the mold, the accuracy percentage of the framing method has been obtained above 87% By selecting the features of the third level of wavelet transform, 95% accuracy is obtained. Using the evolutionary bat algorithm, it has been tried to reduce the features and improve the system. شناسایی اعداد دستنویس یکی از موضوعات پیچیده در حوزه پردازش تصویر می باشد. با توجه به عصر دیجیتال، سرعت و دقت در سیستم های هوشمند پردازش تصویر اهمیت ویژه ای یافته است. از سوی دیگر با توجه به اهمیت شناسایی اعداد دستنویس و کاربردهای مختلف آن، در این پژوهش الگورتیمی به منظور شناسایی اعداد دستنویس فارسی ارائه شده است. در این پژوهش دو روش قاببندی و تبدیل موجک به منظور استخراج ویژگی استفاده شده است. همچنین از روش کلاسه بندی KNN استفاده شده است. درصد صحت روش قاببندی پس از تست ابعاد مختلف قاب بالای 87 درصد بدست آمده است. با انتخاب ویژگیهای سطح سوم تبدیل موجک، درصد صحت 95 بدست آمده است. با استفاده از الگوریتم تکاملی خفاش سعی در کاهش ویژگیها و بهبود سیستم شده است. /downloadfilepdf/1009791