本文關(guān)鍵詞： 手寫數(shù)字 融合模型 卷積神經(jīng)網(wǎng)絡(luò) 數(shù)據(jù)打亂策略 收斂速度　出處：《計(jì)算機(jī)工程》2017年11期 　論文類型：期刊論文

【摘要】：針對傳統(tǒng)手寫數(shù)字識別方法識別率較低的問題,提出一種融合卷積神經(jīng)網(wǎng)絡(luò)(F-CNN)模型。通過結(jié)合暹羅網(wǎng)絡(luò)(SN)模型和二進(jìn)制卷積神經(jīng)網(wǎng)絡(luò)(B-CNN)模型的高級特征,擴(kuò)展網(wǎng)絡(luò)高級層的尺寸,增強(qiáng)F-CNN模型的特征表達(dá)能力。在網(wǎng)絡(luò)訓(xùn)練過程中,設(shè)計(jì)周期性數(shù)據(jù)打亂策略,提高F-CNN模型的收斂速度,更好地實(shí)現(xiàn)手寫數(shù)字識別。在MNIST數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,融合模型對于手寫數(shù)字的識別準(zhǔn)確率達(dá)到99.10%,識別性能優(yōu)于SN模型和B-CNN模型。
[Abstract]:This paper presents a fusion convolution neural network ( F - CNN ) model aiming at the problem of low recognition rate of traditional handwriting recognition method . By combining the advanced features of Siamese network ( SN ) model and binary convolutional neural network ( B - CNN ) model , the size of the high - level layer of the network is extended and the characteristic expression ability of the F - CNN model is enhanced . The experimental results on the MNIST dataset show that the recognition accuracy rate of the F - CNN model is 99.10 % , the recognition performance is better than SN model and B - CNN model .

【作者單位】： 武漢大學(xué)國家多媒體軟件工程技術(shù)研究中心;
【基金】：中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(2042016gf0033) 武漢市應(yīng)用基礎(chǔ)研究計(jì)劃項(xiàng)目(2016010101010025)
【分類號】：TP183;TP391.41
【正文快照】： 0概述手寫數(shù)字識別在現(xiàn)代生活中的應(yīng)用非常廣泛,因此國內(nèi)外眾多學(xué)者都對其進(jìn)行研究。文獻(xiàn)[1]提出基于主分量分析的方法進(jìn)行手寫字符識別;文獻(xiàn)[2]基于字符的寬度、交叉點(diǎn)、鏈碼等特征,提出一種字符識別方法;文獻(xiàn)[3]提出基于特征編碼的手寫字符識別方法;文獻(xiàn)[4]利用組合SVM分類

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 苗洪慶;尹立新;;基于TMS320VC5410-100手寫數(shù)字識別系統(tǒng)[J];電子測量技術(shù);2004年02期

2 任丹;陳學(xué)峰;;手寫數(shù)字識別的原理及應(yīng)用[J];計(jì)算機(jī)時(shí)代;2007年03期

3 樊康;;手寫數(shù)字識別論述[J];科技風(fēng);2009年03期

4 朱學(xué)芳，石青云，程民德;模糊集在手寫數(shù)字識別中的應(yīng)用[J];模糊系統(tǒng)與數(shù)學(xué);1996年02期

5 陳巧琴,鄭文波;基于知識的無約束手寫數(shù)字識別系統(tǒng)[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);1997年03期

6 毛艷華,張新榮;一個(gè)高速準(zhǔn)確的手寫數(shù)字識別系統(tǒng)[J];計(jì)算機(jī)應(yīng)用研究;2001年11期

7 程晨;;手寫數(shù)字識別淺析[J];科技信息;2008年28期

8 杜敏;趙全友;;基于動態(tài)權(quán)值集成的手寫數(shù)字識別方法[J];計(jì)算機(jī)工程與應(yīng)用;2010年27期

9 雙小川;張克;;基于統(tǒng)計(jì)和結(jié)構(gòu)特征的手寫數(shù)字識別研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年04期

10 岳曉冬;苗奪謙;張超瓊;王睿智;;粗糙幾何及其在脫機(jī)手寫數(shù)字識別中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2008年03期

相關(guān)會議論文 前4條

1 張軍;張瀟瀟;李大偉;;基于神經(jīng)網(wǎng)絡(luò)技術(shù)的手寫數(shù)字識別[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

2 馬立權(quán);李維;蔡韓輝;路瑩;李歆;;手寫數(shù)字識別中的預(yù)處理技術(shù)研究[A];中國儀器儀表學(xué)會第三屆青年學(xué)術(shù)會議論文集（上）[C];2001年

3 楊程云;宣國榮;;統(tǒng)計(jì)切線距離與手寫數(shù)字識別[A];第六屆全國計(jì)算機(jī)應(yīng)用聯(lián)合學(xué)術(shù)會議論文集[C];2002年

4 郭景峰;蘇哲;劉強(qiáng);鄒曉紅;董曉;;基于神經(jīng)網(wǎng)絡(luò)的多關(guān)系數(shù)據(jù)分類算法[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（一）[C];2008年

相關(guān)碩士學(xué)位論文 前10條

1 劉榮榮;基于卷積神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別軟件的設(shè)計(jì)與實(shí)現(xiàn)[D];內(nèi)蒙古大學(xué);2015年

2 廖逸群;多模型融合在手寫數(shù)字識別中的應(yīng)用研究[D];東北大學(xué);2013年

3 劉輝;基于改進(jìn)液體狀態(tài)機(jī)的手寫數(shù)字識別技術(shù)研究[D];重慶大學(xué);2016年

4 尹政博;基于PHOG描述算子的手寫數(shù)字識別系統(tǒng)研究與實(shí)現(xiàn)[D];東北師范大學(xué);2016年

5 張桂花;基于慣導(dǎo)信號的手寫數(shù)字識別研究[D];華中科技大學(xué);2016年

6 李子懿;基于信任決策樹的手寫數(shù)字識別方法研究[D];中國科學(xué)技術(shù)大學(xué);2017年

7 吳忠;基于圖像技術(shù)的手寫數(shù)字識別方法的研究[D];安徽大學(xué);2012年

8 張捷;手寫數(shù)字識別的研究與應(yīng)用[D];西安建筑科技大學(xué);2004年

9 張勇;基于統(tǒng)計(jì)法與結(jié)構(gòu)法的手寫數(shù)字識別研究[D];華中科技大學(xué);2011年

10 駱昕;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別研究[D];西安科技大學(xué);2014年

，

本文編號：1465951