خوشه بندي راهنماييده تصاوير دس تنوشته هاي فارسي

Supervised clustering of Persian handwritten images

خوشه بندي از جمله روش هاي چند متغيره آماري است كه به كشف اطلاعات مفيد از مجموعه اي از داده ها منجر مي شود. اجراي اين روش براي تحليل داده هاي بعد بالا با چالش هاي عديده اي روبرو است. براي حل بخشي از اين مشكلات، تلاش هاي بسياري در راستاي توسعه روش هاي كاهش بعد داده ها صورت گرفته است. با اين حال، نقش متغيرهاي پاسخ در اين روش ها ناديده گرفته مي شوند. در مقابل، رويكرد نوين خوشه بندي راهنماييده، به دليل استفاده از اطلاعات نهفته در متغيرهاي پاسخ در يافتن متغيرهاي موثر، بهره گيري از رويكرد كاهش بعد داده ها و تسريع سرعت محاسباتي خوشه بندي، عملكرد بهتري در كاربردهاي واقعي خواهد داشت. اين نوع خوشه بندي، با استفاده از اطلاعات متغير پاسخ، تنها متغيرهايي را كه داراي اطلاعات مفيدي در خصوصتشخيصو پيش بيني متغير پاسخ هستند، شناسايي مي كند. مقاله حاضر به عملكرد اين رويكرد در تحليل تصاوير دس تنوشته هاي فارسي مي پردازد.

Clustering is one of the multivariate statistical methods that leads to the discovery of useful information from a bag of data. Implementing this method for analyzing highdimensional data encounters various challenges. To solve portions of these challenges, considerable efforts have been made to develop some methods for reducing the dimension of data. However, the role of dependent variables is ignored in invoking these methods. Instead, the new supervised clustering method has promising performance in real applications due to the use of the inherent information in the response variables, the data dimension reduction facilities and the speed acceleration of clustering computations. The current paper tends to evaluate the operation of this approach in the analysis of Persian handwritten images.