Résumé:
Depuis plusieurs décennies, la reconnaissance de l’écriture manuscrite a attiré l’attention d’un
grand nombre de chercheurs et reste un champ de recherche très actif dû à ses nombreuses applications
comme la lecture automatique des formulaires, des adresses postales, des chèques bancaires,
etc. La reconnaissance de l’écriture manuscrite est une tâche difficile en raison de la grande
variabilité des styles d’écritures. La biologie permet d’offrir de nombreuses sources d’inspiration
dans le domaine de l’intelligence artificielle et de la reconnaissance de formes. L’informatique
bio inspirée exploite ces sources d’inspiration afin de développer des algorithmes et des systèmes
informatiques qui sont capables de résoudre les problèmes de la reconnaissance de formes, et
plus précisément la reconnaissance d’écritures manuscrite. Inspirés par les propriétés du système
immunitaire, nous proposons un modèle qui permet de détecter et de reconnaître des formes complexes
comme les chiffres et lettres manuscrits. L’objectif de ce travail de recherche est de proposer
une nouvelle approche pour la reconnaissance de caractères manuscrits isolé (chiffres et lettres).
Cette approche a pour but d’améliorer la qualité de la base de données et de traiter l’incertitude
des caractères afin d’augmenter la performance de classification. Elle est basée sur une combinaison
de deux principaux sous-systèmes : un système immunitaire artificiel (AIS) et un système à
base des règles qualitatives (QRBS). L’AIS se considère comme un optimiseur. Il sélectionne les
meilleurs candidats pour l’apprentissage. Le QRBS travail en tant qu’un système de reconnaissance
qualitative. Il utilise des règles qualitatives pour reconnaître les caractères. Lors de la phase
de décision, il gère à la fois l’imprécision et l’incertitude dans l’écriture qui rendent certains caractères
illisibles et peuvent diminuer la prise de décision final. Les expériences sont menées sur les
bases de données MNIST et lettres anglaises. Les comparaisons avec d’autres approches récentes
utilisant la même base de données indiquent que notre approche est efficace.
