3.1.1 Mô hình nh壱n d衣ng
Trong bài báo [7], tác gi違8«"8隠 c壱r"8院n m瓜t s嘘rj逢挨pi"rjƒr"vt ej"8員e"vt逢pi mang l衣i hi羽u qu違 cho quá trình nh壱n d衣ng ch英 vi院t tay r運i r衣c. Tác gi違8«"u穎 d映pi"rj逢挨pi"rjƒr" UXO" 8吋 kh違o sát và so sánh trên t壱p d英 li羽u s嘘 OPKUV0" X·" rj逢挨pi" rjƒr" UXO là rj逢挨pi" rjƒr" j丑c máy tiên ti院p" 8«" e„" pjk隠u thành công trong vi羽c khai phá d英 li羽u e pi"pj逢"pj壱n d衣ng. Hình 3.1 là ki院n trúc c栄a mô hình nh壱n d衣ng.
Hình 3.1 Kiｘn trúc mô hình nhｆn dＴng chの viｘt tay rぜi rＴc(chの sぐ)[7].
Trong mô hình, quá trình ti隠n x穎 lý có nhi羽m v映 th詠c hi羽n l丑c nhi宇u và chu育n hóa d英 li羽w"8亥w"x q0"Vtqpi"8„"xk羽c chu育n hóa d英 li羽w"8逢嬰c th詠c hi羽n thông qua b嘘n d逢噂c: + Chuy吋p"8鰻i 違pj"8亥u vào sang 違nh tr逸pi"8gp0
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN
16
+ Tìm hình ch英 nh壱t R nh臼 nh医t ch泳c"eƒe"8k吋o"8gp"vt‒p"違nh. + L医y vùng 違nh I n茨m trong vùng hình ch英 nh壱t R.
+ Chu育p"j„c"m ej"vj逢噂c 違nh I thành 16x16.
Ngoài ra trong mô hình còn có hai quá trình quan tr丑ng c亥n kh違o sát: quá trình trích ch丑p"8員c tr逢pi"x "o»"j·pj"rj¤p"n噂p SVM. Trong quá trình trích ch丑p"8員e"vt逢pi"vƒe"ik違 kh違q"uƒv"6"rj逢挨pi"rjƒr"¥qpg."Rtqlgev"Jkuvqitco."Eqwpvqwt"Rtqhkng"x "Ycxgngv"Jcct" Hgcvwtg0"Dc"rj逢挨pi"rjƒr"8亥w"8«"8逢嬰c miêu t違vtqpi"ej逢挨pi"40"Rj逢挨pi"rjƒr"Ycxgngv" Haar Feature khác so v噂k"dc"rj逢挨pi"rjƒr"e”p"n衣i 荏 ch厩 c亥n ch雨nh size hình 違nh v隠 kích vj逢噂c 2nx2n. Mô hình phân l噂p SVM tác gi違8«"z¤{"d詠ng d詠a vào SVM nh鵜 phân theo chi院p"n逢嬰c OVO v噂i các tham s嘘 C = 100 và s穎 d映ng hàm nhân Guassian v噂i 購 = 0.5.
3.1.2 K院t qu違 nh壱n d衣ng và nh壱n xét
Sau khi hu医n luy羽n và kh違o sát, tác gi違vjw"8逢嬰c k院t qu違 hình 3.2 sau.
Hình 3.2 Kｘt quＶ nhｆn dＴng trên tｆp dの liうu MINIST vずk"eƒe"8ｐe"vt⇔pi[7] . Tóm l衣i, theo bài báo [7], tác gi違8«"8隠 xu医t mô hình d詠c"vt‒p"rj逢挨pi"rjƒr"UXO"m院t h嬰p v噂i m瓜t vài rj逢挨pi"rjƒr"vt ej"ej丑p"8員e"vt逢pi"ocpi"n衣i hi羽u qu違 cho quá trình nh壱n d衣ng ch英 vi院t tay r運i r衣e0"Vtqpi"8„."rj逢挨pi"rjƒr"¥qpg."Rtqlgevkqp"Jkuvqitco"x " Contour Profile cho k院t qu違 nh壱n d衣ng v噂k"8瓜 chính xác cao và gi違m khá nhi隠u kích vj逢噂c c栄a d英 li羽w"8亥u vào n o"v<pi"v嘘e"8瓜 c栄a h羽 th嘘ng. Và theo tác gi違, n院u mu嘘n v<pi"8瓜 chính xác cho vi羽c nh壱n d衣ng thì c亥n nghiên c泳u nhi隠w"j挨p"vtqpi"mj¤w"vk隠n x穎 n#"8吋 d英 li羽w"8亥u vào tr荏 nên t嘘v"j挨p"ejq h羽 th嘘ng.
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN
17
3.2.1 Mô hình nh壱n d衣ng
Trong bài báo [8], nhóm tác gi違 8«"u穎 d映ng mô hình phân l噂r"8c"JOO"vjc{"ejq"o»" hình phân l噂p 8挨p"JOO"8吋 nh壱n d衣ng ch英 vi院t tay cho t瑛ng ký t詠 r運i r衣c. S詠 khác bi羽t gi英c"o»"j·pj"8挨p"x "8c"JOO"荏 ch厩 tác gi違 8«"z¤{"f詠ng nhi隠u mô hình HMM cho cùng m瓜t ký t詠 c亥n nh壱n d衣ng. T壱p d英 li羽w"8逢嬰c xây d詠ng g欝m 13000 m磯u c栄a 100 pi逢運i vi院t c栄a 26 ch英 cái. M厩i ch英 cái m瓜v"pi逢運i vi院v"8院n 5 l亥n. Nhóm tác gi違 8«"u穎 d映ng 2600 m磯u cho vi羽c hu医n luy羽n và các m磯u còn l衣k"8逢嬰c s穎 d映ng cho quá trình nh壱n d衣ng. Ngoài ra, nhóm tác gi違e pi"8«"ƒr"f映ng quá trình h壱u x穎 lý trong h羽 th嘘ng nh茨m c違i thi羽n hi羽u qu違 trong vi羽c nh壱n d衣ng. Hình 3.3 mô t違 mô hình nh壱n d衣ng c栄a h羽 th嘘ng.
Hình 3.3 Mô hình nhｆn dＴng chの viｘt tay rぜi rＴc(chの cái Latin)[8] .
H羽 th嘘ng nh壱n d衣ng ch英 vi院t tay Latin bao g欝m b嘘n ti院n trình chính: quá trình ti隠n x穎 lý, quá trình trích 8員e"vt逢pi, quá trình nh壱n d衣ng HMM và quá trình h壱u x穎 lý. Quá trình ti隠n x穎 lý, nhóm tác gi違 8«"u穎 d映pi"x k"rj逢挨pi"rjƒr"n丑c nhi宇w"pj逢"j·pj"506 mô t違: Thickening, Thresholding, Median Filtering và Thinning. Còn quá trình vt ej"8員c vt逢pi thì s穎 d映ng ba rj逢挨pi" rjƒr" 8吋 tính các lo衣i thu瓜c tính c栄a t瑛ng ch英 vi院t: Itcfkgpv"Hgcvwtgu."Rtqlgevkqp"Hgcvwtgu"x "Ewtxcvwtg"Hgcvwtgu0"Ak吋o"8員c bi羽t c栄a nhóm tác gi違vtqpi"rj逢挨pi"rjƒr"p {."h丑 8«"u穎 d映ng k院t h嬰p khai thác hai 8員e"8k吋m toàn c映c
Recognition Result From HMM Feature vectors Character Image Preprocessing Feature Extraction HMM based Module Post-processing
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN
18
và c映c b瓜 c栄a hình 違nh kh違q"uƒv0"A員e"vt逢pi"vq p"e映c #"pij c"s穎 d映ng toàn b瓜 thông tin c栄a hình 違pj0"E”p"8員e"vt逢pi"e映c b瓜 thì chia nh臼 hình 違nh t衣o thành vùng."ucw"8„"v pj" toán thu瓜c tính cho t瑛ng vùng.
Hình 3.4 Mô hình quá trình hｆu xぬ lý[8] .
Quá trình nh壱n d衣ng HMM, nhóm tác gi違 8«"8隠 xu医t s穎 d映ng rj逢挨pi"rjƒr"8c"JOO" pj逢"j·pj"507 mô t違. Sau khi xây d詠ng hu医n luy羽n mô hình HMM thì nó s胤 nh壱n d衣ng m磯u d詠a vào xác su医t m磯u trong t瑛ng HMM c栄a t瑛ng ch英 cái. N院u xác su医t nào l噂n nh医v"vj·"8„"ej pj"n "ej英 cái nh壱n d衣pi"8逢嬰c.
Hình 3.5 O»"j·pj"8c"JOO"trong quá trình nhｆn dＴng HMM[8] .
Scanned Character Image
Thickening Thresholding Median Filtering Thinning Feature Extraction - - - - Feature Vectors HMM A1 HMM A2 HMM B HMM Z Comparator Comparator
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN
19
Trong quá trình h壱u x穎 lý, nhóm tác gi違 có nh壱n xét v隠 quá trình nh壱n d衣ng 26 ch英 cái Ncvkp"vj逢運ng có m瓜t s嘘 l厩i vj逢運ng g員p thu瓜c cái nhóm sau: O và Q; M và N; V và Y; C và O; B, K, R và P... Chính vì th院, h丑8«"u穎 d映ng bi吋w"8欝Ukipcvwtg"8隠 phân lo衣i c映 th吋 cho t瑛ng nhóm. Hình 3.6 mô t違 bi吋w"8欝 Signature c栄a hai ký t詠 O và Q.
a/ b/
Hình 3.6 Biあw"8げ Signature cてa ký tば O(a) va Q(b)[8] .
3.2.2 K院t qu違 nh壱n d衣ng và nh壱n xét
K院t qu違 nh壱n d衣ng c栄a nhóm tác gi違 kh違o sát d詠a vào so sánh hai rj逢挨pi"rjƒr"8c" JOO"x "rj逢挨pi"rjƒr"8挨p"JOO0"Piq k"tc."j丑 còn th嘘ng kê d詠a vào có hay không có quá trình h壱u x穎 lý 8吋 xem xét h羽 th嘘ng nh壱n d衣ng c違i thi羽p"8瓜 ej pj"zƒe"pj逢"vj院 nào. Hình 3.7 cho bi院t k院t qu違 kh違q"uƒv"8逢嬰c c栄a h羽 th嘘ng xây d詠ng.
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN 20 b/ So sánh không có và có quá trình hｆu xぬ lý Hình 3.7 Kｘt quＶ khＶo sát cてa bài báo[8] . 3.3 Nh壱n d衣ng ch英 vi院t tay Ti院ng Vi羽t 3.3.1 Mô hình nh壱n d衣ng th泳 nh医t
Trong bài báo [5], tác gi違 s穎 d映pi"o»"j·pj"pj逢"d k"dƒq"u嘘 [7]. Tuy nhiên trong bài toán này m映c tiêu c栄a tác gi違 là mu嘘n kh違q"uƒv"rj逢挨pi"rjƒr"j丑c máy SVM b茨ng hai chi院n n逢嬰c OVO và OVR. M映c tiêu c栄a tác gi違 mu嘘n tìm ra m瓜t chi院p"n逢嬰c nh茨m gi違m thi吋u th運k"ikcp"v pj"vqƒp"x "v<pi"8瓜 chính xác cho h羽 th嘘ng nh壱n d衣ng. Trong kh違o sát này, tác gi違8«"vj詠c hi羽n trên hai t壱p d英 li羽u: MINIST và VietData. T壱p d英 li羽u MNIST là t壱p d英 li羽u s嘘 chu育n còn t壱p d英 li羽u VietData do tác gi違 xây d詠ng. VietData bao g欝m 89 ch英 cái in hoa, m厩i ch英 cái ch丑n 200 m磯u nên t壱p d英 li羽u s胤 có t鰻ng c瓜ng 17800 m磯w0"Rj逢挨pi" rjƒr" vƒe"ik違 s穎 d映pi"8吋 trích 8員c vt逢pi n "rj逢挨pi" rjƒr"¥qpg" pj逢"8«" trình bày 荏ej逢挨pi"40
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN
21
Các k院t qu違 th詠c nghi羽o"8逢嬰e"e k"8員t và ch衣y th穎 nghi羽o"vt‒p"o»k"vt逢運ng Window XP, máy PC Pentium 4 t嘘e"8瓜 2.4 Ghz v噂k" fwpi"n逢嬰ng b瓜 nh噂 RAM 1Gb. Sau khi kh違o sát trên t壱p ch英 s嘘 MINIST và VietData, tác gi違vjw"8逢嬰c m瓜t s嘘 k院t qu違pj逢"ucw0" Hình 3.8 th吋 hi羽n k院t qu違 so sánh gi英a hai chi院p"n逢嬰c nh壱n d衣ng OVO và OVR. Ngoài ra th詠c nghi羽m trên t壱p VietData tác gi違 s穎 d映pi"rj逢挨pi"rjƒr"8ƒpj"ikƒ"ejfiq"M-fold v噂i K =10.
a/ Kｘt quＶ trên tｆp dの liうu MINIST vずi hàm nhân Guass(購 噺 ど どぱ)
b/ Kｘt quＶ trên tｆp dの liうu VietData vずi hàm nhân Guass(購 噺 ど どぱ) Hình 3.8 Kｘt quＶ thばc nghiうm cてa SVM theo chiｘp"n⇔ぢc OVO và OVR[5] .
D詠a vào k院t qu違 th詠c nghi羽m, tác gi違 có vài nh壱n xét v隠 kh違 p<pi" rj¤p" n噂p c栄a rj逢挨pi" rjƒr" UXO" 8嘘i v噂i bài toán nh壱n d衣ng ch英 vi院t tay Ti院ng Vi羽t r運i r衣e" pj逢" sau[5]:
-"UXO"n "rj逢挨pi"rjƒr"j丑c máy tiên ti院p"x "8衣v"8逢嬰e"8瓜 chính xác phân l噂p cao. Tuy nhiên, h衣n ch院8嘘i v噂i SVM là t嘘e"8瓜 phân l噂p ch壱m, tùy thu瓜c vào s嘘n逢嬰ng véev挨"v詠a vjw"8逢嬰c sau khi hu医n luy羽n và quá trình hu医n luy羽p"8”k"j臼i b瓜 nh噂 cao. Vì v壱y vi羽c hu医n luy羽n v噂i t壱p m磯u l噂n s胤 g員p nhi隠u tr荏 ng衣i.
+ B違n ch医t nh鵜 rj¤p"e pi"n "o瓜t h衣n ch院 c栄a SVM, vi羽c m荏 r瓜ng kh違 p<pi"e栄a SVM 8吋 gi違i quy院t bài toán phân lo衣i nhi隠u l噂p là v医p"8隠 không nh臼. Có nhi隠u chi院p"n逢嬰c 8逢嬰e"8隠 xu医v"8吋 m荏 r瓜ng SVM cho bài toán phân lo衣i nhi隠u l噂p tùy thu瓜c vào t瑛ng lo衣i d英 li羽u c映 th吋. Vì th院, vi羽c l詠a ch丑n các chi院p"n逢嬰c phân l噂r"8逢嬰c ti院p"j pj"vt‒p"e挨"u荏 th詠c nghi羽m.
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN
22
+ Bài toán hu医n luy羽n SVM th詠c ch医t là bài toán qui ho衣ej"vq p"rj逢挨pi"*SR+"vt‒p"o瓜t t壱p l欝k."fq"8ó luôn luôn t欝n t衣i nghi羽m toàn c映c và duy nh医v0"A¤{"n "8k吋m khác bi羽t rõ nh医t gi英a SVM so v噂k"eƒe"rj逢挨pi"rjƒr"mjƒe0"Jk羽u qu違 phân l噂p c栄a SVM ph映 thu瓜c vào hai y院u t嘘: gi違i bài toán QP và l詠a ch丑n hàm nhân. Vi羽c gi違i bài toán QP luôn luôn 8衣v"8逢嬰c gi違i pháp t嘘k"逢w"p‒p"o丑i c嘘 g逸ng trong nghiên c泳u lý thuy院t SVM t壱p trung vào vi羽c l詠a ch丑n hàm nhân. Vi羽c l詠a ch丑n hàm nhân và các thông s嘘 v磯n là m瓜t bài toán m荏vtqpi"rj逢挨pi"rjƒr"UXO0
+ T嘘e"8瓜 phân l噂p c栄a SVM b鵜 8ƒpj"ikƒ"n "ej壱m so v噂k"eƒe"rj逢挨pi"rjƒr"rj¤p"n噂p khác, tùy thu瓜c vào s嘘 n逢嬰ng véev挨"v詠c"vjw"8逢嬰c sau khi hu医n luy羽n. Vì v壱y, có nhi隠u công trình t壱p trung nghiên c泳w"8吋 gi違m t嘘k"8c"u嘘 n逢嬰ng véev挨"v詠a nh茨o"v<pi"v嘘e"8瓜 phân l噂p c栄a SVM.
Vì th院 theo tác gi違 mu嘘n áp d映ng k悦 thu壱t phân l噂p SVM vào bài toán nh壱n d衣ng ch英 vi院t tay Ti院ng Vi羽v."8k隠u c亥n thi院t là làm sao ph違k"vtƒpj"8逢嬰c bùng n鰻 s嘘 phân l噂r"e pi" pj逢"ik違m t嘘k"8c"u嘘 véev挨"v詠c"8吋v<pi"v嘘e"8瓜 nh壱n d衣ng.
3.3.3 Mô hình nh壱n d衣ng th泳 hai
Trong bài báo [6], nhóm tác gi違8«"8隠 xu医t mô hình nh壱n d衣pi"pj逢"j·nh 3.9. Theo mô hình, quá trình nh壱n d衣ng tr違i qua b嘘n quá trình chính: ti隠n x穎 n#."vt ej"8員e"vt逢pi và phân lo衣i SVM. Quá trình ti隠n x穎 lý s穎 d映ng các b瓜 l丑c trung bình và l丑c trung v鵜 8嘘i v噂i nhi宇w"8嘘m, ngoài ra còn s穎 d映pi"rj逢挨pi"rjƒr"mj穎 các vùng liên thông nh臼8吋 kh穎 nhi宇u v羽t d k0"Swƒ"vt·pj"vt ej"8員e"vt逢pi f́pi"rj逢挨pi"rjƒr"Ycxgngv"Jcct"8吋 trích 8員c vt逢pi. Còn quá trình xây d詠ng phân lo衣i SVM, nhóm tác gi違 8«"n嬰i d映ng 8員e"8k吋m liên thông c栄a ch英 vi院t tay Ti院ng Vi羽t r運i r衣c 8吋 xây d詠ng t瑛ng b瓜 phân lo衣i SVM riêng bi羽t.
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN
23
Hình 3.9 Mô hình nhｆn dＴng chia nhóm SVM[6] .
T壱p d英 li羽w"8逢嬰c s穎 d映pi"8吋 kh違q"uƒv"8逢嬰c nhóm tác gi違 t詠 xây d詠ng t瑛877"pi逢運i vi院t mjƒe"pjcw."8嘘k"v逢嬰ng ch栄 y院u là sinh viên. M厩k"pi逢運i vi院t kho違ng 200 ch英 in hoa, các ký t詠8逢嬰c vi院t r運i r衣c. Nhóm tác gi違 ch丑n l丑c ra 50.000 m磯w"8吋 ti院n hành th詠c nghi羽m (không k吋 các d医w+."vtqpi"8„"3509:4"o磯u ch英 không d医w"8逢嬰c s穎 d映pi"8吋 hu医n luy羽n, ph亥n còn l衣i ph映c v映 cho vi羽c nh壱n d衣ng. Hình 3.10 trình bày vài m磯u ký t詠 vi院t tay Ti院ng Vi羽t r運i r衣c.
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN
24
Hình 3.10 Vài mｄu các ký tば thu thｆp[6] .
T瑛 t壱p d英 li羽u này, h丑 xây d詠ng ba t壱p hu医n luy羽p"ejq"UXO"3."UXO"4"x "UXO"5"pj逢" sau:
+ TrainData1: T壱p các d医u Ti院ng Vi羽t {/, \, ?, ~, ^, 喚}, v噂i 2.485 m磯u.
+ TrainData2: T壱p các ch英 cái nguyên âm Ti院ng Vi羽t {A, E, I, O, U, Y}, v噂i 4.128 m磯u.
+ TrainData3: T壱p các ch英 cái Ti院ng Vi羽t không d医w"}C."D."E."F."A."G."I."J."K."M."N." O."P."Q."R."S."T."U."V."W."X."Z."[."愛."姶ʼ."x噂i 13.782 m磯u.
Ngoài ra, h丑e pi"z¤{"f詠ng b嘘n t壱p ki吋o"vtc"pj逢"ucw"ejq"j羽 th嘘ng
+ TestData 1: T壱p các ký t詠 Ti院ng Vi羽t có 1 vùng liên thông, v噂i 7.143 m磯u. + TestData 2: T壱p các ký t詠 Ti院ng Vi羽t có 2 vùng liên thông, v噂i 16.856 m磯u. + TestData 3: T壱p các ký t詠 Ti院ng Vi羽t có 3 vùng liên thông, v噂i 12.219 m磯u. + TestData 4 = TestData 1 姦 TestData 2 姦 TestData3.
3.3.4 K院t qu違 nh壱n d衣ng và nh壱n xét th泳 hai
Các k院t qu違 th詠c nghi羽m c栄a nhóm tác gi違8逢嬰c ti院p"j pj"e k"8員t và ch衣y th穎 nghi羽m trên máy PC Pentium 4 t嘘e"8瓜 2.66 Ghz, 512Mb Ram. Sau khi xây d詠ng mô hình và kh違o sát, nhóm tác gi違 8«"vjw"8逢嬰c k院t qu違pj逢"j·pj"5033. D k"dƒq"8«"8隠 xu医t m瓜t mô hình nh壱n d衣ng ch英 Ti院ng Vi羽t vi院t tay h衣n ch院 d詠c" vt‒p" e挨" u荏 SVM k院t h嬰p v噂i rj逢挨pi"rjƒr"vt ej"ej丑p"8員e"vt逢pi wavelet Haar. Ngoài ra, nhóm tác gi違 d詠a vào tính liên thông c栄a 違pj"8吋 zƒe"8鵜nh xem 違nh ký t詠 thu瓜c nhóm có d医u hay không d医u, trên
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN
25
e挨"u荏 8„"u胤 ti院n hành tách 違nh thành ph亥n ch英 và ph亥n d医w"8吋 phân l噂r"8瓜c l壱p, cu嘘i cùng ghép n嘘i các k院t qu違 phân l噂p c栄a ph亥n ch英 và ph亥n d医w"8吋e„"8逢嬰c k院t qu違 nh壱n d衣ng cu嘘i cùng. Các k院t qu違 th詠c nghi羽o"vjw"8逢嬰c cho th医y vi羽c áp d映pi"rj逢挨pi"rjƒr" phân l噂p SVM k院t h嬰p v噂k"eƒe"8員e"vt逢pi wavelet Haar vào bài toán nh壱n d衣ng ch英 vi院t tay Ti院ng Vi羽v"8衣v"8瓜ej pj"zƒe"v逢挨pi"8嘘i kh違 quan và có tri吋n v丑ng.
Hình 3.11 Kｘt quＶ nhｆn dＴng thu thｆp khi chia nhóm SVM[6] .
3.3.5 Mô hình nh壱n d衣ng th泳 ba
Trong bài báo [2], nhóm tác gi違 8«"u穎 d映ng k院t h嬰p nhi隠u b瓜 phân lo衣i v噂k"rj逢挨pi" pháp GSC nh茨m m映e"8 ej"v<pi"8瓜 chính xác trong quá trình nh壱n d衣ng ch英 vi院t tay Ti院ng Vi羽t r運i r衣c. Hình 3.12 mô t違 s詠 k院t h嬰p c栄a các b瓜 phân lo衣i. Trong quá trình k院t h嬰p các b瓜 phân lo衣i, bài báo kh違o sát b嘘n quy t逸c k院t h嬰p: Median, Max, Min, Product d詠a trên lý thuy院t Naive Bayesian và lý thuy院t OWA. Các b瓜 phân lo衣i riêng l飲8逢嬰c h丑 kh違o sát g欝m NN, ME và SVM.
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN
26
T壱p d英 li羽u nhóm tác gi違 t詠 xây d詠ng t瑛3::"pi逢運i vi院t bao g欝m 10 ký t詠 ch英 s嘘 và 66 ký t詠 Ti院ng Vi羽t c違 ch英 jqc"x "vj逢運ng. Sau khi lo衣i b臼 nh英ng m磯u không h嬰p l羽 và chu育n hóa ký t詠 v隠m ej"vj逢噂e"4:z4:"vj·"vjw"8逢嬰c 6194 ký t詠. Ttqpi"8„"i欝m 3 t壱p: t壱p hu医n luy羽n g欝m 3716 ký t詠, t壱p phát tri吋n g欝m 1239 ký t詠 và t壱p ki吋m tra g欝m 1239. T壱p phát tri吋p"vjgq"swcp"8k吋m c栄a h丑 s穎 d映pi"8吋 zƒe"8鵜nh xem chi院p"n逢嬰c xây d詠ng nh英ng b瓜 phân lo衣i d詠a trên quy lu壱t k院t h嬰p hay t瑛ng b瓜 phân lo衣i riêng l飲 s胤 t嘘v"j挨p0" Hình 3.13 mô t違 v隠 form l医y m磯u và các m磯u kh違q"uƒv"8逢嬰c.
Hình 3.13 CＸu trúc form và vài mｄu dの liうu[2].
3.3.6 K院t qu違 nh壱n d衣ng và nh壱n xét th泳 ba
Sau khi kh違q"uƒv"x "8ƒpj"ikƒ"eƒe"d瓜 phân lo衣k"PP."OG."UXO"e pi"pj逢"pj英ng quy lu壱t k院t h嬰p gi英a các b瓜 phân lo衣i, nhóm tác gi違 vjw"8逢嬰c b違ng k院t qu違 pj逢"j·pj"50360"X噂i k院t qu違 kh違q"uƒv"8逢嬰c, h丑 có vài k院t lu壱n cho bài toán nh壱n d衣ng ch英 vi院t tay Ti院ng Vi羽t r運i r衣c:
EJ姶愛PI"50"EèE"M蔭T QU謂 NGHIÊN C永U LIÊN QUAN
27
+ Vtqpi"dc"rj逢挨pi"rjƒr"vt eh 8員e"vt逢pi: Gradient, Structural và Concavity thì rj逢挨pi" pháp Gradient và Structural cho k院t qu違 t嘘v"j挨p"Eqpecxkv{0"A員c bi羽t v噂i s詠 k院t h嬰p c栄a dc"rj逢挨pi"rjƒr"vt‒p"u胤 cho k院t qu違 t嘘v"j挨p"e違.
+ Ngoài ra, v噂i ba b瓜 phân lo衣i riêng l飲 b茨pi"dc"rj逢挨pi"rjƒr"mjác nhau: NN, ME, UXO"vj·"rj逢挨pi"rjƒr"UXO"rj¤p"nq衣i d英 li羽w"ej pj"zƒe"j挨p"j院t.
+ Bên c衣pj"8„."eƒe"nw壱t k院t h嬰p cho các b瓜 phân lo衣i riêng l飲e pi"ocpi"n衣i hi羽u qu違 8ƒpi"m吋 khi thông tin tri th泳c d英 li羽u cho t瑛ng b瓜 phân lo衣k"mj»pi"8栄 t嘘t.
Tóm l衣i, khi s穎 d映pi"rj逢挨pi"rjƒr"IUE"x噂i thu壱t toán SVM và nh英ng quy t逸c k院t h嬰p các b瓜 phân lo衣i riêng l飲 s胤 là gi違i pháp phù h嬰p cho vi羽c nh壱n d衣ng ch英 vi院t tay Ti院ng Vi羽t r運i r衣e0"Vw{"pjk‒p"8吋 s穎 d映ng gi違i pháp nào thì tùy thu瓜c vào nh英ng ng英 c違nh c映 th吋 vì th院 h丑 m噂i 8隠 xu医t t壱p d英 li羽u phát tri吋p"8吋 ki吋m tra xem nên ch丑n gi違i pháp nào.
EJ姶愛PI"60"J姶閏NG TI蔭P C一N VÀ HI烏N TH衛C 28 EJ姶愛PI"6 J姶閏NG TI蔭P C一N VÀ HI烏N TH衛C 4.1 Mô hình nh壱n d衣pi"x "#"v逢荏ng hi羽n th詠c Hình 4.1 Mô hình nhｆn dＴng xây dばng. 4.1.1 Quá trình ti隠n x穎 lý
Pj逢"ej¿pi"v»k"8«"vt·pj"d { quá trình ti隠n x穎 lý c亥n ph違i th詠c hi羽p"8吋 kh穎 nhi宇u và tinh ch院 d英 li羽w"8吋8違m b違o cho d英 li羽u thu th壱r"8逢嬰e"t "t pi."8亥{"8栄x "ej pj"zƒe"j挨p0"P„" s胤 giúp ích r医t nhi隠u nh茨o"v<pi"8瓜 chính xác vi羽c nh壱n d衣ng c栄a h羽 th嘘ng. Trong quá trình hi羽n th詠c, chúng tôi g員p ph違i nh英ng v医p"8隠 nhi宇u sau: nhi宇u trong quá trình scan d英 li羽u thu th壱p t衣o ra nh英pi"8k吋m ch医o"8gp"pj臼 r運i r衣c; nhi宇u c衣nh c栄a ô vuông bao