您的位置:网站首页 > 《中文科技期刊数据库》 > 工程技术 > 自动化计算机 > 计算机应用 > 摘要

基于集成学习改进的卷积神经网络的手写字符识别

《电子技术与软件工程》2018年 第9期 | 黎育权   青海大学计算机技术与应用系 青海省西宁市810016
★ 收藏 | 分享
  • 第1页
论文服务:
摘 要:文字是人类表达和交流信息的重要工具之一,如邮政物流信件或快递包裹的分拣和分流、交通系统中车牌号码的识别和卡口收费。本文通过搭建DCNN进行字符识别,能够达到平均98.3%的准确率,而传统的BP神经网络只能达到95%。随后,在DCNN基础上,加入了多种改进算法。使得神经网络对MNIST手写字符集的识别率达到99.1%。最后,又将多个神经网络进行组合,加入集成学习中的Bagging算法,最终使得神经网络对MNIST手写字符集的识别率达到99.4%。
【分 类】【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 文字识别及其装置
【关键词】 深度学习 机器学习 深度卷积神经网络 集成学习 手写字符识别
【出 处】 《电子技术与软件工程》2018年 第9期 167-167页 共1页
【收 录】 中文科技期刊数据库

尊敬的读者:

在全国人民勠力同心抗击新型冠状病毒感染的肺炎疫情之际,为了给广大人民群众的教育、工作和生活提供便利,维普网(www.cqvip.com)在疫情防控期间免费向读者开放学术论文的下载权限。