基于改进卷积神经网络的手写数字识别

• 作者: 杜洋 王展青
• 来源期刊: 计算机测量与控制
• 关键词: 手写数字识别 卷积神经网络 SVM分类器
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 设计与应用
• 页码范围: 256-261
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.07.057

摘要

针对试卷卷头手写分数识别问题,提出一种改进卷积神经网络(CNN)的手写数字识别算法;该算法,在网络提取图像特征的过程中改用多层特征融合和混合采样的方式,实现图像特征信息的充分提取;在网络训练阶段采用学习速率自适应的调整策略和增加动量项,提高网络训练速度;最后,采用SVM分类器进行分类识别;实验结果表明,该算法有效的提高了手写数字的识别率,减少了训练时间,识别性能优于普通的CNN模型和其它对比方法;在MNIST数据集上的仿真实验充分验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王展青	武汉理工大学理学院	33	190	7.0	12.0
2	杜洋	武汉理工大学理学院	1	5	1.0	1.0