| Titre : | Prédiction du genre d’un individu à partir de son écriture manuscrite hors-ligne |
| Auteurs : | Ahmed Abdelmouneim MOUFFOK, Auteur ; Tayeb BAHRAM, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université de Saida - Dr Moulay Tahar. Faculté des Sciences. Département de l’Informatique, 2025/2026 |
| Format : | 43ص |
| Accompagnement : | CD |
| Langues: | Français |
| Index. décimale : | BUC-M 008710 |
| Catégories : |
Master en informatique Spécialité : Intelligence Artificielle Principe et application |
| Mots-clés: | ، نمط القيمة الرمادية المحلية، تعلم اآللة، التعرف على األنماط، الفحص الجنائي للمستندات Writer classification, Local Gray-level Value Pattern, Machine learning, Pattern recognition, Forensic document examination Classification du scripteur, Modèle de niveau de gris Local, apprentissage automatique, reconnaissance de motifs, Examen légal de document |
| Résumé : |
ملخص باللغة العربية
يتناول العمل المعروض في هذه المخطوطة مشكلة التصنيف اآللي للكاتب من خالل خط يده.يعد استخراج الميزات خطوة مهمة في تحقيق أداء جيد ألنظمة التعرف على الكاتب)التصنيف(,الهدف من هذه الخطوة هو اختيار المعلومات األكثرصلة لمهمة تصنيف معينة في هذه األطروحة يتم تمثيل عينات الخط اليدوي بسمات الكتابة مثل االتجاه واإلنحناء وأثر الحبر وحجم الحرف في البداية قمنا بتطوير نظام لتصنيف جنس الكاتب من خالل التحققمن صحة ميزتين قائمتين على النسيج وهما توصيف لعينات كبيرة أو صغيرة من الكتابات يتم إجراء التصنيف باستخدام خوارزمية الجيران األقرب ومسافة كاي تربيع أظهرت النتائج التجريبية التي تم الحصول عليها على مجموعة بيانات الخط العبري مع ثالثة سيناريوهات تضم68و59و45كاتبا أن المخطط المقترح يحقق أداء الفتا من أجل تحسين أداء نظام تصنيفالكاتب لدينا قمنا بدمج الميزات أظهرت النتائج التجريبية التي تم الحصول عليها على مجموعة بيانات الخط العبري أن األداء المدمج يتجاوز أداء الميزتين الفرديتين. Your summary in English The work presented in this manuscript deals with the problem of automatic writer classification from their handwriting. Features extraction is an important step in achieving good performance of writer recognition (classification) systems. The purpose of this step is the selection of the most relevant information for a given classification task. In this thesis, the samples of handwriting are represented by writing attributes like orientation, curvature, ink-trace, and size of letters (LGP). Initially, we have developed a writer gender classification system by validating two texture-based features which a characterization of large or small samples of writings. Classification is carried out using k-Nearest Neighbors (k-NN) and Chi- Square (χ2) distance. The experimental results obtained Hebrew handwriting dataset with three scenarios of 68, 59, and 45 writers show that the proposed scheme achieves interesting performances. In order to enhance the performance of our writer classification system, we have combined the features (LGPBW = Max(LGPB,LGPW)). The experimental results obtained on Hebrew handwriting dataset, the combined performance exceeds the performances of all two individual features. Votre résumé en français Les travaux présentés dans ce manuscrit abordent le problème de classification de scripteurs à partir de leur écriture manuscrite. La phase d’extraction de caractéristiques est une étape très importante pour un système de reconnaissance de scripteurs. L’objectif de cette étape est la sélection des informations les plus pertinentes pour la tache de classification. Dans ce mémoire les échantillons d’écritures manuscrites sont représentés par des attributs comme l’orientation, la cour bure, l’épaisseur des traits et la taille de l’écriture (LGP). Dans un premier temps nous avons développé un système de classification de genre de scripteurs en validant deux caractéristiques texturales qui permettent une caractérisation des échantillons d’écriture de grande et faible taille. La classification est réalisée en utilisant les k plus proches voisins (k-NN) et la distance de Chi-Square (χ2). La méthode proposée à été évaluée en utilisant base de données d’écriture manuscrites en hébreu de documents de 68, 59 et 45 scripteurs où des résultats intéressants ont été enregistrés. Afin d’améliorer les performances du système, une idée intéressante consiste à combiner les descripteurs (LGPBW =Max(LGPB,LGPW)). Les résultats expérimentaux obtenus sont nettement supérieures pour la combinaison que pour les caractéristiques individuelles |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 008710 Adobe Acrobat PDF |
