Klastrování ručně psaných znaků

Abstract

Diplomová práce se zabývá srovnáním metod pro klasifi kaci izolovaných ručně psaných znaků. Cílem práce je analýza problému, porovnání různých klasifi kačních metod a metod pro extrakci příznaků. V práci se uvádí tři algoritmy založené na klastrování dat. Je to algoritmus k-středů, algoritmus k nejbližších sousedů a algoritmus iterativní optimalizace. Další tři zkoumané metody využívají neuronové sítě. Jsou následující: algoritmus kompetičního učení, algoritmus zpětného řízení chyby a Kohonenovy somoorganizační mapy. Tyto metody jsou otestovány a porovnány na základě procentuelní úspěšnosti při rozpoznávání znaků. Součástí práce je i porovnání a shrnutí vlastních výsledků.

This diploma thesis deals with comparision of di erent method for handwritten character recognition. A goal is analysis of this problem, comparision of several pattern classi cation methods and methods for feature extraction. In details there are discussed three algorithms for data clustering. These algorithms are following: k-means clustering, k-neighbors algorithm and algorithm of iterative optimalization. Another three algorithms are using neural networks. These are algorithm of competition learning, back propagation algorithm and Kohonen selforganising maps. These method are tested and compared according to percentage of correctly recognized characters. A summary of our own results is included.