Báo cáo " Tìm hiểu SVM trong nhận dạng chữ viết tay hạn chế " pot

Tìm hiểu SVM trong nhận dạng chữ viết tay
hạn chế

Nguyễn Thị Vân

Trường Đại học Công nghệ
Luận văn Thạc sĩ ngành: Công nghệ phần mềm; Mã số: 60 48 10
Người hướng dẫn: PGS. TS. Ngô Quốc Tạo
Năm bảo vệ: 2011

Abstract: Giới thiệu về nhận dạng chữ viết tay: Trình bày về lịch sử của nhận dạng
chữ viết tay, giới thiệu các hướng tiếp cận trong việc nhận dạng chữ viết tay (nhận
dạng chữ in, nhận dạng chữ viết tay). Tổng quan về SVM - Support Vector Machine
(Máy véc tơ hỗ trợ): Chiều VC (Vapnik Chervonenkis dimension), hàm phân lớp, siêu
phẳng phân cách, Trình bày sự cần thiết của SVM vào việc nhận dạng chữ viết tay.
Phân tích bộ phân loại SVM. Ứng dụng của SVM vào nhận dạng chữ viết tay: Tiền xử
lý, xây dựng các máy phân lớp SVM

Keywords: Nhận dạng ký tự; Phương pháp học SVM; Công nghệ thông tin; Công
nghệ phần mềm; Chữ viết tay

Content
MỞ ĐẦU
Cho đến nay mặc dù khoa học công nghệ không ngừng phát triển để đáp ứng ngày
càng cao những nhu cầu của con người nhưng không phải nhu cầu nào cũng có thể dễ
dàng giải quyết và đáp ứng được. Nhận dạng chữ viết tay hiện nay vẫn đang là vấn đề
thách thức lớn đối với các nhà nghiên cứu, bài toán này chưa thể giải quyết trọn vẹn
được vì nó phụ thuộc quá nhiều vào người viết với sự biến đổi quá đa dạng trong cách
viết và trạng thái tinh thần của từng người viết. Nhưng trong nhiều năm qua, bài toán
nhận dạng chữ viết tay cũng đã có một số kết quả khả quan, chủ yếu tập trung trên các
tập dữ liệu chữ số viết tay như MNIST [6], một số kết quả khác mở rộng đối với các

chữ cái hệ La tinh, Hy lạp… Đặc biệt đối với việc nhận dạng chữ viết tay tiếng Việt lại
càng khó khăn hơn do bộ ký tự tiếng Việt có nhiều chữ có hình dáng rất giống nhau, chỉ
khác chút ít về phần dấu. Do đó có rất ít kết quả nghiên cứu về nhận dạng chữ viết tay
tiếng Việt và các nghiên cứu chủ yếu cũng chỉ tập trung vào chữ viết tay online.
Nhận dạng chữ viết tay là một đề tài rất quan trọng trong nhiều ứng dụng khác
nhau, trong lĩnh vực máy tính nó giúp cho máy tính có thể đọc được và hỗ trợ nhập liệu.
Các nghiên cứu về nhận dạng chữ viết tay đã được phát triển từ hơn nửa thập kỷ qua và
đạt được nhiều thành quả thiết thực nhưng độ chính xác phụ thuộc quá nhiều vào ngôn
ngữ và sự thay đổi trong cách viết. Cho đến nay, bài toán nhận dạng chữ viết tay cũng
đã có một số nghiên cứu khả quan, nhưng chưa có ứng dụng thực tiễn. Bài toán chúng
tôi đặt ra ở đây là xây dựng một mô hình nhận dạng chữ viết tay hạn chế.

2
Luận văn được bố cục thành 5 chương.
Chương 1 giới thiệu về nhận dạng chữ viết tay.
Chương 2 giới thiệu về SVM.
Chương 3 sự cần thiết của SVM vào việc nhận dạng chữ viết tay.
Chương 4 bộ phân loại SVM.
Chương 5 ứng dụng của SVM vào nhận dạng chữ viết tay.

References
Tiếng Việt
1. Phạm Anh Phương (2008), “Áp dụng một số chiến lược SVM đa lớp cho bài toán
nhận dạng chữ viết tay hạn chế”, Tạp chí khoa học đại học Huế, ISSN 1859-1388, số
45, 109-118.
2. Phạm Anh Phương, Ngô Quốc Tạo, Lương Chi Mai (2008), “Trích chọn đặc trưng
wavelet Haar kết hợp với SVM cho việc nhận dạng chữ viết tay tiếng Việt”.
Tiếng Anh
3. B.verma, M. Blumenstein & S. Kulkarni, “Recent achievements in off-line
handwriting recognition s‎‎ystems” School of Information Technology, Griffith

University-Gold Coast Campus.
4. Chih-Chung Chang and Chil-Jen Lin (2004), “LIBSVM: a Library for Support
Vector Machines”, National Taiwan University.
5. Christopher J.C. Burges. A Tutorial on Support vector machines for pattern
recognition –
6. Gorgevik Dejan, Cakmakov D. (2004), “An Efficient Three-Stage Classifier for
Handwritten Digit Recognition” , Proceedings of 17 Int. Conference on Pattern
Recognition, ICPR2004
th
, Vol. 4, pp. 507-510, IEEE Computer Society, Cambridge,
UK.
7. Gabor Lugosi, “Introduction to Statistical Learning Theory”, Department of
Economics, Pompeu Fabra University Ramon Trias Fargas 25-27, 08005 Barcelona,
Spain, www home page:
8. Nello Cristianini and John Shawe-Taylor (2000), “An Introduction to Support
Vector Machines and other kernel-based learning methods”, Cambridge University
Press.
9. Shubhangi D. C. (2009), “Handwritten English Character And Digit Recognition
Using Multiclass SVM Classifier And Using Structural Micro Features”, International
Journal of Recent Trends in Engineering, Vol 2, No. 2, November 2009.
10. Steven B. Poggel (2010), An On-Line Japanese Handwriting Recognition System
integrated into an E-Learning Environment for Kanji