5. Experiments and ResultsThe perfo

5. Experiments and Results
The performance of the word recognizer was evaluated
used the ready segmented Arabic Database. The wide known
IFN/ENIT [21] Tunisia database is used and the result is
concluded in table(1).A high precision can be obtained for
words classification from printed documents see[23]. The
software used is LIBSVM [24] with additional utilities
developed in mat lab. The set of samples obtained from
78 word/shapes is divided into two to be
considered as training and testing set, respectively.
In the final testing stage, ten-fold cross validation is
used, followed by actual classification using these values.
The recognition rates obtained are in the range of 94-99%
correct classification, depending on the kind and number of
classes (words) used. For the printed database, which is 7
example for every class of 56 class segmented from the
PATS-A01[23]and achieved a recognition rate between 96 %
to 1.The difference of the number of feature vector affect the
requerd time but the output precision is the sameas in table 1.
Feature vector by SIFT/feature vector SIFT with maxima =
1400/200 = 7 times faster

結果 (中文) 1:

5.实验和结果Word 识别器的性能进行了评价用准备好的分段的阿拉伯语数据库。全知使用干扰素/ENIT [21] 突尼斯数据库和结果是在 table(1) 的结论。可获得较高的精度单词分类从打印的文档看看 [23]。的使用软件与其他实用程序是 LIBSVM [24]在垫实验室开发。从样本的集78 的字形状分为两种都要作为训练和测试集，分别考虑。在最后的测试阶段，10 倍交叉验证是用，按照实际分类使用这些值。得到的识别率都在 94-99%的范围内正确的分类，根据不同的种类和数目使用的类 (字)。对于打印数据库，也就是 7示例为每个类 56 类分割拍-A01 [23] 和实现之间 96%的识别率1、 差异的特征向量数目的影响requerd 时间但输出精度是接在表 1 中。通过与最大值的 SIFT/特征向量 SIFT 特征向量 =1400/200 = 快 7 倍

結果 (中文) 3:

5。实验结果
词的识别器的性能进行了评价
用准备分割阿拉伯语数据库。张明芳
干扰素/ ENIT用[ 21 ]突尼斯数据库和结果
总结表（1）。高精度可以得到
词分类打印文件看[ 23 ]。用
软件libsvm [ 24 ]与公用事业附加
垫的实验室开发的。从
78字/形状样本集划分为两个被
作为训练和测试集，分别。
在最后测试阶段，十折交叉验证是
使用，其次是实际分类使用这些值。
得到的识别率在94-99%
正确分类的范围内，根据种类和
类数（字）的应用。为打印数据库，这是56级分段从
pats-a01 [ 23 ]和实现之间的96%
识别率为1，每班7
例子，特征向量的数目的差异影响
requerd时间但输出精度是表1中的一样。
SIFT特征向量的/特征向量筛
最大值= 1400 / 200 = 7倍