Algoritma $-Family Recognizer

$-Family Recognizer adalah salah satu teknik pengenalan pola berdasarkan garis atau goresan (stroke). Berikut ini beberapa jenis algoritma $-Family Recognizer:

• Unistroke ($1) Recognizer merupakan algoritma 2D gesture recognizer yang didesain untuk membaca pola dengan cepat. Sesuai dengan namanya, algoritma $1 hanya dapat digunakan untuk membaca satu pola (stroke) atau dapat dikatakan memiliki 2 permutasi. Sifat-sifat yang dimiliki oleh algoritma $1 adalah rotation invariant dan size invariant. Rotation invariant adalah pola yang dibentuk dengan kemiringan sudut yang dibuat oleh user, jika sesuai dengan urutan pembentukan pola yang sama, maka akan menghasilkan pembacaan yang sama. Kemudian size invariant adalah pola yang dibentuk dengan ukuran tertentu yang dibuat oleh user, dimana pembacaan dilakukan dengan menyesuaikan size dari data yang dibuat, sehingga menghasilkan pembacaan yang sama. Berikut algoritma kompleksitas dari $1:

  

• Multistroke ($N) Recognizer merupakan algoritma yang membaca lebih dari satu pola (stroke), tetapi menggunakan banyak memori sehingga menghasilkan proses yang lambat, karena permutasi setiap stroke. Berikut algoritma kompleksitas $N:

  
  Dikarenakan algoritma ini menghasilkan proses yang lambat maka dikembangkan algoritma point cloud recognizer.

• Point Cloud ($P) Recognizer Untuk mengoptimasi algoritma $N yang membaca sebuah pola berdasarkan stroke yang dibuat, maka $P dibuat berdasarkan hubungan antar poin sehingga tidak membutuhkan permutasi atau banyaknya pola tidak mempengaruhi tingkat kompleksitas algoritma tersebut. Algoritma ini menghasilkan akurasi diatas 99% dan prosesnya lebih cepat dari $N. Sifat-sifat yang dimiliki oleh algoritma $P adalah size invariant dan direction invariant. Size invariant dari $P sama dengan $1, sedangkan direction invariant adalah pola yang dibentuk dengan urutan yang berbeda akan menghasilkan pembacaan yang sama, jika pola yang dibentuk sesuai dengan datasets yang ada. Berikut algoritma kompleksitas dari $P:
  

Penjelasan dari algoritma $-Family dapat dilihat pada tabel 1.

Sumber:

Udjaja, Y. (2018). Gamification Assisted Language Learning for Japanese Language Using Expert Point Cloud Recognizer. International Journal of Computer Games Technology. https://www.hindawi.com/journals/ijcgt/2018/9085179/

Penulis:

Yogi Udjaja