APPROCHE NEURO-SVM POUR LA RECONNAISSANCE DES CARACTERES MANUSCRITS ARABES

Abstract

Résumé Ce présent travail est inscrit dans le domaine de reconnaissance automatique de caractères, en particulier la reconnaissance de caractères arabe manuscrite hors-lignes. Il consiste à la réalisation d‟un système complet de reconnaissance avec la proposition d‟une architecture hybride de classification multicouche, nous appelons NEURO-SVM. Cette architecture dispose deux modules en cascade : module d'extraction de caractéristiques et module de classification. Dans le module d'extraction de caractéristiques, nous utilisons un réseau de neurones, en particulier un perceptron multicouche (MLP). Dans le module de classification, nous utilisons les Machines à Vecteurs de Support (SVM). L‟approche NEURO-SVM profite les avantages des deux méthodes de classification, à savoir, les MLPs et les SVMs. Il peut nettement améliorer la performance de classification. La caractéristique la plus intéressante de NEURO-SVM est qu'elle élimine pratiquement la dépendance sévère de SVM sur le choix du noyau. Cela a été vérifié en ce qui concerne les noyaux linéaires et RBF.ملخص : يعد العمل الحالي جزء من المجالات التي لديها القدرة على التعرف التلقائي على المخطوط بالمعنى الواسع، وخصوصا التعرف على الحروف المكتوبة بخط اليد, وهو يتكون من نظام كامل للتعرف. نقترح بنية جديدة للتصنيف. تشتمل البنية الهجينة المقترحة على وحدتين متتاليتين: وحدة استخلاص الميزة ووحدة التصنيف. في وحدة استخراج الميزة ، نستخدم شبكات العصبونات متعددة الطبقات. وفي وحدة التصنيف، نستخدم آلات دعم المتجهات ) SVM (.يستفيد المصنف الجديد من طريقتي التصنيف السابقة. كما أنه يمكن أن يتحسن بشكل كبير في الأداء. الميزة الأكرر ثرارة للاهتمام في البنية الهجينة هو أنه يكاد يزيل الاعتماد الشديد على آلات دعم المتجهات في اختيار النواة. وقد تم التحقق من ذلك فيما يتعلق بالنوى الخطية و كذا وظيفة القاعدة الشعاعية .Abstract This present work is registered in the field of automatic recognition of characters, in particular the recognition of Arabic characters handwritten offline. It involves the realization of a complete system of recognition with the proposal of a hybrid architecture of multilayer classification, we call NEURO-SVM. This architecture has two modules in cascade: feature extraction module and classification module. In the feature extraction module, we use a neural network, in particular a multilayer perceptron (MLP). In the classification module we use Support Vector Machines (SVM). The NEURO-SVM approach benefits from the two classification methods, MLPs and SVMs. It can significantly improve classification performance. The most interesting feature of NEURO-SVM is that it virtually eliminates SVM's severe dependence on kernel selection. This has been verified with regard to linear and RBF cores.