PENGENALAN POLA HURUF KAPITAL TULISAN TANGAN DENGAN ANALISIS DISKRIMINAN LINIER 2-DIMENSI SIMETRIS

Rina Widyasari, Ismail Husein

Abstract


Pengenalan Pola secara Statistika (Statistical Pattern Recognition) merupakan suatu sistem yang bertujuan mengklasifikasi objek-objek ke dalam kategori-kategori atau kelas-kelas. Jika diberikan suatu matriks data A, A = {∏1, ∏2,…, ∏k}, dimana ∏i memuat ni titik data dari kelas ke –i maka pola-pola yang terdapat pada masing-masing kelas dapat diklasifikasi dan dapat dilihat jarak pemisahan antar kelas dan dalam kelas himpunan data tersebut. Pada penelitian ini digunakan Analisis Diskriminan Linier Dua-Dimensi Simetris sebagai metode pengklasifikasian yang tujuannya memaksimumkan jarak matriks sebaran antar-kelas (Sb) dan meminimumkan jarak matriks sebaran dalam-kelas (Sw), dan dapat mengatasi masalah keraguan yang ditimbulkan pada matriks gambar yang tidak simetris (Xi  XiT), dimana Sw dan Sb terdefinisi ganda. Penelitian ini ditujukan pada pengenalan pola huruf kapital simetris tulisan tangan seperti A, B, C, D, E, H, I, K, M, O, S, U, V, W, dan Y dengan menggunakan algoritma ADL2-D Simetris yang akan menghasilkan klasifikasi yang akurat dan lebih efisien.

Kata Kunci: Analisis Diskriminan Linier 2-Dimensi Simetris, Pengenalan Pola, Huruf Kapital Tulisan Tangan


Full Text:

Untitled PDF

References


Fukunaga, K. 1990. Introduction to Statistical Pattern Classification . San Diego, California, USA : Academic Press.

Horn, R. A. and Johnson, C. R. 1985. Matrix Analysis. Cambridge, U.K: Cambridge University Press.

Jain, Anil, K., Fellow, Duin, Robert, P.W., and Jianchang Mao, Jianchang., Senior Member, IEEE. Statistical Pattern Recognition: A Review. In IEEE Transactions On Pattern Analysis and Machine Intelligence, Vol. 22, No. 1, Januari 2000.

Li, M. and Yuan, B. 2005. 2d-lda: A novel statistical linear discriminant analysis for image matrix. Pattern Recognition Letters, 26(5): hal. 527–532.

Luo, D., Ding, C., and Huang, H. 2007. Symmetric Two Dimensional Linear Discriminant Analysis (2DLDA). University of Texas at Arlington Press.

Song, F., Liu, S., and Yang, J. 2005. Orthogonalized fisher discriminant. Pattern Recognition, 38(2): hal. 311–313.

Theodoridis, Sergios. and Koutroumbas, Kontantinos. 2003. Pattern Recognition. 2nd Edition. New York, USA: Academic Press.

Xiang, Zhang, Pan, Feng, Wang, Wei. 2008. Finding Local Linear Correlation in High Dimensional Data. Correlation Linear, 23(1): hal. 1259-1269.

Xiong, H., Swamy, M., and Ahmad, M. 2005. Two-dimensional fld for face recognition. Pattern Recognition, 38(7): hal. 1121–1124.

Yang, J., Frangi, F., and Zhang, D. 2003. Uncorrelated projection discriminant analysis and its application to face image feature extraction. International Journal of Pattern Recognition and Artificial Intelligence, 17(8): hal. 1325–1347.

Ye, J., Janardan, R., and Li, Q. 2004. Two-Dimensional Linear Discriminant Analysis. Advances in Neural Information Processing Systems (NIPS 2004), 17: hal. 1569–1576

Yu, Senhua., and Dasgupta, Dipankar. 2008. Conserved Self Pattern Recognition Algorithm with Novel Detection Strategy Applied to Breast Cancer Diagnosis. Memphis, USA: University of Memphis Press.

http://www.wikipedia.org/html/pattern_recognition.htm. Tanggal akses: 22 Februari 2010.


Refbacks

  • There are currently no refbacks.