Please use this identifier to cite or link to this item: https://hdl.handle.net/11147/6434
Title: Deneysel mod ayrıştırması uygulanmış yazma hareket bilgisi kullanılarak el yazısı karakter tanıma
Other Titles: Handwritten character recognition using Empirical Mode Decomposition applied writing movements
Authors: Tunçer, Esra
Olcay, Bilal Orkan
Ünlü, Mehmet Zübeyir
Tunçer, Esra
Olcay, Bilal Orkan
Ünlü, Mehmet Zübeyir
Izmir Institute of Technology. Electronics and Communication Engineering
Keywords: 3-yönlü ivmeölçer
Dinamik Zaman Bükme
Deneysel Mod Ayrıştırma
El yazısı karakter tanıma
3-axis accelerometer
Empirical Mode Decomposition
Dynamic Time Warping
Handwritten character recognition
Issue Date: 2017
Publisher: Institute of Electrical and Electronics Engineers Inc.
Source: Tunçer, E., Olcay, B. O., and Ünlü, M. Z. (2017, May 15-18). Deneysel mod ayrıştırması uygulanmış yazma hareket bilgisi kullanılarak el yazısı karakter tanıma. Paper presented at the 25th Signal Processing and Communications Applications Conference. doi:10.1109/SIU.2017.7960527
Abstract: Bu çalışmada harflerin yazılma hareketlerinden yararlanılarak el yazısı karakter tanıma işlemi yapılmıştır. Yazma hareket bilgisini elde etmek adına 3 yönlü ivmeölçer kullanılmıştır. Mevcut çoğu sensörde olduğu gibi, ivmeölçerlerde istenen ivme bilgisinin yanında istenmeyen gürültü bilgisi de elde edilmektedir. Bu nedenle tanıma algoritmasından önce sinyaller ön işlemeden geçirilmeli ve gürültüden arındırılıp tanıma için uygun hale getirilmelidir. Bu amaca uygun olarak sinyallere Deneysel Mod Ayrıştırması (EMD) ve normalizasyon ön işleme adımları uygulanmıştır. Daha sonra sinyaller Dinamik Zaman Bükme (DTW) metodu ile karşılaştırılmış ve %91.92’lik doğru sınıflandırma oranı elde edilmiştir.
In this paper, handwritten character recognition by using characters' writing movements is investigated. To obtain the information about writing movements a 3-axis accelerometer is used. Just like most of other sensors, 3-axis accelerometers give the actual movement signal as well as noise. Before the recognition step, all of the signals need to be preprocessed and the noisy parts need to be removed. So, Empirical Mode Decomposition (EMD) and normalization preprocessing steps are applied to the signals. Finally, the signals in the dataset are compared with Dynamic Time Warping for classification and accurate classification rate of 91.92% is obtained.
Description: 25th Signal Processing and Communications Applications Conference, SIU 2017; Antalya; Turkey; 15 May 2017 through 18 May 2017
URI: http://doi.org/10.1109/SIU.2017.7960527
http://hdl.handle.net/11147/6434
ISBN: 9781509064946
Appears in Collections:Electrical - Electronic Engineering / Elektrik - Elektronik Mühendisliği
Scopus İndeksli Yayınlar Koleksiyonu / Scopus Indexed Publications Collection

Files in This Item:
File Description SizeFormat 
6434.pdfConference Paper351.62 kBAdobe PDFThumbnail
View/Open
Show full item record

CORE Recommender

Page view(s)

4
checked on Jul 30, 2021

Download(s)

6
checked on Jul 30, 2021

Google ScholarTM

Check

Altmetric


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.