【摘要】：語言文字是一個(gè)民族的精神文明之一,文字識別技術(shù)對文字的傳播和文化傳承起到很好的推進(jìn)作用。在我國貴州地區(qū)有一種語言文字——水書,是一種古老的類象形文字,由于傳承人員稀缺,導(dǎo)致水書傳承中斷,所以迫切需要進(jìn)行數(shù)字化保護(hù)。傳統(tǒng)的文字識別技術(shù)多是采用手動提取特征,然后設(shè)計(jì)分類器進(jìn)行識別的模式。手動提取特征對專業(yè)知識的要求較高,人力成本也比較高,然而識別效果卻不太理想。深度學(xué)習(xí)在模式識別任務(wù)方面的表現(xiàn)良好,給少數(shù)文字識別相關(guān)研究人員帶來了新的靈感,并嘗試使用深度學(xué)習(xí)來解決文字識別問題�；谏疃葘W(xué)習(xí)的方法實(shí)現(xiàn)水書識別存在著幾個(gè)問題。第一,水書目前還沒有用于數(shù)據(jù)科學(xué)研究的完備數(shù)據(jù)集,缺乏專業(yè)數(shù)據(jù)人員對水書文字進(jìn)行整理、存儲、歸類;第二,深度學(xué)習(xí)模型多種多樣,多數(shù)是針對某一個(gè)問題而設(shè)計(jì)的,可移植性較差,科研人員將深度學(xué)習(xí)方法在水書識別上的嘗試較少;第三,深度學(xué)習(xí)模型訓(xùn)練時(shí)的超參數(shù)設(shè)置很大程度上影響了模型的性能,超參數(shù)優(yōu)化問題是諸多研究人員致力解決的問題。針對上述問題,本文對深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行研究,設(shè)計(jì)了一個(gè)用于水書識別的卷積神經(jīng)網(wǎng)絡(luò)模型,并通過一種基于種群進(jìn)化的超參數(shù)優(yōu)化算法進(jìn)行訓(xùn)練,實(shí)現(xiàn)水書文字識別任務(wù)。具體工作如下:1.提出一種基于種群進(jìn)化的超參數(shù)優(yōu)化算法。本文結(jié)合網(wǎng)格搜索與人工調(diào)試的優(yōu)點(diǎn),從進(jìn)化算法中獲得啟發(fā),提出一種基于種群進(jìn)化的超參數(shù)優(yōu)化算法,其主要思想是個(gè)體進(jìn)化,種群選擇,異步并行迭代訓(xùn)練以達(dá)到種群進(jìn)化的結(jié)果。實(shí)驗(yàn)結(jié)果表明,在超參數(shù)設(shè)置問題上此算法相較于網(wǎng)格搜索有更優(yōu)的效果。2.設(shè)計(jì)了一個(gè)應(yīng)用于水書識別的卷積神經(jīng)網(wǎng)絡(luò)模型。通過理論驗(yàn)證,經(jīng)驗(yàn)積累,本文詳細(xì)分析了卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)組成,論證了損失函數(shù)、激活函數(shù)等選擇問題,設(shè)計(jì)了一個(gè)11層卷積網(wǎng)絡(luò)結(jié)構(gòu),并采用本文提出的基于種群進(jìn)化的超參數(shù)優(yōu)化算法進(jìn)行訓(xùn)練,在水書數(shù)據(jù)集數(shù)據(jù)量較多的標(biāo)注集上進(jìn)行訓(xùn)練驗(yàn)證,證實(shí)了模型設(shè)計(jì)的有效性。3.本文建立了一個(gè)水書古籍文字?jǐn)?shù)據(jù)集,為深度學(xué)習(xí)的研究提供了實(shí)驗(yàn)數(shù)據(jù)。文中詳細(xì)介紹了水書特點(diǎn),從數(shù)據(jù)采集、到數(shù)據(jù)預(yù)處理、再到數(shù)據(jù)標(biāo)注,詳細(xì)介紹了水書數(shù)據(jù)集建立過程。設(shè)計(jì)了一個(gè)水書文字識別原型系統(tǒng),將數(shù)據(jù)處理和文字識別功能進(jìn)行集成,為水書的學(xué)習(xí)和傳播提供了方便。綜上,本文提出的基于種群進(jìn)化的超參數(shù)優(yōu)化算法為神經(jīng)網(wǎng)絡(luò)超參數(shù)設(shè)置提供了借鑒方法,水書文字識別的研究可以作為少數(shù)民族語言保護(hù)和文字識別的一個(gè)經(jīng)驗(yàn)案例,為文字學(xué)和深度學(xué)習(xí)工作者進(jìn)行深入研究作參考。
【圖文】：

２．１．２研究內(nèi)容與系統(tǒng)框架逡逑由上一節(jié)的分析己經(jīng)明確了本文的主要研究任務(wù)，，這里通過一個(gè)框架圖來展開描述逡逑研究內(nèi)容，如圖２－１所示。逡逑ＭＭ邋－－－－邐■－逡逑＿邋－—二－－？＿逡逑Ｉ逡逑ｌ邐選擇ＣＮＮ網(wǎng)絡(luò)邋ｎ邐２４邋．．邋，邋＾邋＾邐ｔａａｍｔ＾ｏｎ邋Ｉ邋ｆ＆Ｓｒ＾邐灥逡逑：￣￣￣￣￣１邐，邋，Ｕ邋ａ、［卜邋５邋ｉ逡逑＿廔邐ｉ邐ａ邐＾ｆ９邐ｈ邋ｉ邐！邐｜逡逑！邋邐邐二二￣￣￣…二二－二二．１＾１１邋二二二二．二．．二一邐１逡逑「？；邐—一］逡逑．崣參數(shù)撫化邐Ｓｅｅｐ邐ＪＥｖａｆｅ減》ｉ邐￡ｘｐｋ細(xì)ｓｏｎ邐ｐ咖ｒyUｏｎ逡逑丨．．＇：．：ｆＩ邐ｍ：」ｓ邋■邐１｜逡逑；逡逑：逡逑Ｑ＾２＾ｇ＾２ｊｊ２２ｉｓｓ邋ｓｓ＾＾ｓｓｓｍｓａａｓａ邐■邐邐邋邐邋……邐邐逡逑邐邐邐邐邋．邋Ｈ．邋ｍ邐？邋＿邋攦逡逑５ｉｌｆ］邋＿邋Ｐ＾＂邋１邋ｉ邋ｔ邋＾－４ｒ逡逑＊ｓａ？0ｉ逡逑ｇｇｇｇｇ＾ｇｇ＾ｊｇｇｇｇｇｇ＾邋ｆｅ＾Ｓ８８３８＾８％ＢＳＢ８８ｉＷ逡逑Ａｐｐ邐座務(wù)窠群逡逑圖２－１基于深度學(xué)習(xí)的水書文字識別框架逡逑水書文字圖像數(shù)據(jù)庫的建立是一件非常有價(jià)值的工作，不僅在數(shù)據(jù)科學(xué)方面，在文逡逑化保護(hù)方面也有著重要意義。本文在第四章詳細(xì)介紹了從水書數(shù)據(jù)采集到數(shù)據(jù)預(yù)處理，逡逑再到數(shù)據(jù)標(biāo)注等詳細(xì)過程。由于水書文字具有特殊性和小眾性，所以對其認(rèn)知存在一定逡逑難度，需要水書專家的參與。逡逑８逡逑

二值化、歸一化等操作。但這還沒有結(jié)束，數(shù)據(jù)雖然看起來很規(guī)整，但是并沒有分類，逡逑沒有標(biāo)簽作為后期識別的標(biāo)準(zhǔn)，所以需要對數(shù)據(jù)進(jìn)行標(biāo)注。經(jīng)過一系列的處理，得到可逡逑以用來訓(xùn)練的數(shù)據(jù)量有１０萬余字，圖２－２所示為得到的字符樣例一水書中的“子”和逡逑“時(shí)辰”。在第四章詳細(xì)介紹了數(shù)據(jù)集的構(gòu)造流程。逡逑孑在N條七乇爸各尹尹歹尹歹歹歹，尹？泛逡逑毛友蚤壬孑孑孑；ｔ系系尹尹歹歹歹夕歹歹歹尹逡逑士孑孑乇蚤圣手孑冬七尹步尹歹歹歹歹歹歹歹逡逑冬爹冬條七豸令圣孑孑尹歹歹歹歹尹歹歹矛歹逡逑壬乇圣乇圣；？手冬尋令羅歹歹歹逡逑圖２－２水書數(shù)據(jù)集樣例逡逑２．４水書文字識別ＣＮＮ模型設(shè)計(jì)逡逑本文的最終目的是實(shí)現(xiàn)水書古籍圖像文字識別，本模塊的主要任務(wù)是設(shè)計(jì)一個(gè)可以逡逑用來進(jìn)行水書識別的ＣＮＮ模型。卷積神經(jīng)網(wǎng)絡(luò)同時(shí)具有特征提取與分類識別功能，卷積逡逑層的作用是檢測來自前一層的特征的局部連接并提取特征，池化層的作用是將語義相似逡逑的特征合并為一個(gè)。這里首先介紹了邋ＣＮＮ基本原理，論證了損失函數(shù)如何選擇的問題，逡逑設(shè)計(jì)了一個(gè)１１層神經(jīng)網(wǎng)絡(luò)模型，并使用該模型對水書數(shù)據(jù)進(jìn)行識別。逡逑１０逡逑
【學(xué)位授予單位】：中央民族大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：H12;TP391.41;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱匯龍;劉曉燕;劉瑤;;基于人群的神經(jīng)網(wǎng)絡(luò)超參數(shù)優(yōu)化的研究[J];信息技術(shù);2018年11期

2 翟桐,趙九江;超參數(shù)殼單元剛陣的簡化積分法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);1985年A7期

3 姚誠偉;陳根才;;一種深度生成模型的超參數(shù)自適應(yīng)優(yōu)化法[J];實(shí)驗(yàn)室研究與探索;2018年02期

4 關(guān)青苗;;多層感知機(jī)中超參數(shù)的研究[J];南方農(nóng)機(jī);2018年02期

5 楊斌,聶在平;一種支持向量回歸中超參數(shù)自適應(yīng)方法[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年01期

6 陳志華;關(guān)富玲;蔣滄如;;基于超參數(shù)殼元衛(wèi)星天線反射面穩(wěn)態(tài)熱分析[J];武漢理工大學(xué)學(xué)報(bào);2008年04期

7 張波;沈火明;;基于Matlab的殼體有限元分析[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年12期

8 金添;周智敏;宋千;常文革;;基于證據(jù)框架的模糊超球面支持向量機(jī)超參數(shù)優(yōu)化[J];應(yīng)用科學(xué)學(xué)報(bào);2007年03期

9 李偉紅;劉麗娟;龔衛(wèi)國;辜小花;;人臉識別中基于均勻設(shè)計(jì)的SVM超參數(shù)調(diào)節(jié)方法[J];光電子.激光;2009年10期

10 張振朋;王以松;馮仁艷;李倩倩;;SVD++推薦算法的超參數(shù)[J];貴州大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年03期

相關(guān)會議論文 前3條

1 孟增;張卓輝;;基于超參數(shù)凸模型的高效可靠性優(yōu)化算法[A];2018年全國固體力學(xué)學(xué)術(shù)會議摘要集（上）[C];2018年

2 李潔;高峰;管曉宏;周佃民;;支持向量回歸學(xué)習(xí)方法中基于穩(wěn)定型GA的超參數(shù)選擇[A];第二十四屆中國控制會議論文集（下冊）[C];2005年

3 張波;沈火明;;基于Matlab的殼體有限元分析[A];2010重慶汽車工程學(xué)會年會論文專輯[C];2010年

相關(guān)重要報(bào)紙文章 前1條

1 高波;為“超參數(shù)發(fā)電算違章”叫好[N];經(jīng)理日報(bào);2009年

相關(guān)碩士學(xué)位論文 前10條

1 夏春磊;基于深度學(xué)習(xí)的水書圖像識別算法研究與應(yīng)用[D];中央民族大學(xué);2019年

2 周銀達(dá);基于群體的深度強(qiáng)化學(xué)習(xí)超參數(shù)自適應(yīng)方法研究[D];中國科學(xué)技術(shù)大學(xué);2019年

3 梁青青;基于關(guān)鍵超參數(shù)選擇的監(jiān)督式AutoML性能優(yōu)化[D];貴州大學(xué);2019年

4 陸高;基于智能計(jì)算的超參數(shù)優(yōu)化及其應(yīng)用研究[D];西安電子科技大學(xué);2018年

5 劉麗娟;支持向量機(jī)超參數(shù)調(diào)節(jié)方法的研究及其在人臉識別中的應(yīng)用[D];重慶大學(xué);2010年

6 公彥杰;基于LS_SVM建立發(fā)酵過程動態(tài)模型的研究及軟件實(shí)現(xiàn)[D];北京工業(yè)大學(xué);2010年

7 侯文擎;基于改進(jìn)堆疊降噪自編碼網(wǎng)絡(luò)的軸承故障診斷研究[D];華南理工大學(xué);2017年

8 張立造;壓縮感知理論與技術(shù)研究[D];電子科技大學(xué);2016年

9 孫鑫;基于LS_SVM建立發(fā)酵過程動態(tài)模型及其參數(shù)優(yōu)化[D];北京工業(yè)大學(xué);2013年

10 崔虹雨;塊稀疏信號重構(gòu)算法研究[D];電子科技大學(xué);2017年

本文編號：2644267