基于CNN和粒子群优化SVM的手写数字识别研究

• 作者: 戴丽珍 杨刚 贺冬葛
• 来源期刊: 华东交通大学学报
• 学科: 工学
• 关键词: 卷积神经网络 支持向量机 粒子群算法 手写识别
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 交通管理控制
• 页码范围: 41-47
• 页数: 7页
• 分类号: TP391.9
• 语种: 中文

摘要

针对传统卷积神经网络手写体数字识别中Softmax因指数函数运算而易产生计算溢出以及较高的计算机硬件需求问题,提出了基于卷积神经网络特征提取的支持向量机手写体数字识别方法.同时,为了提高手写体数字的识别精度,设计了基于K-CV意义下适应度函数的粒子群优化SVM参数方法.基于Semeion及MNIST手写体数字集的实验仿真表明,文章所设计的方法与传统方法相比能够获得更高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨刚		12	32	3.0	5.0
2	戴丽珍		10	33	4.0	5.0
3	贺冬葛		1	0	0.0	0.0