文献类型：期刊文章

作　　者：陈玄[1] 朱荣[1] 王中元[1]

机构地区：[1]武汉大学国家多媒体软件工程技术研究中心,武汉430072

出　　处：《计算机工程》

基　　金：中央高校基本科研业务费专项资金(2042016gf0033);武汉市应用基础研究计划项目(2016010101010025)

年　　份：2017

卷　　号：43

期　　号：11

起止页码：187-192

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对传统手写数字识别方法识别率较低的问题,提出一种融合卷积神经网络(F-CNN)模型。通过结合暹罗网络(SN)模型和二进制卷积神经网络(B-CNN)模型的高级特征,扩展网络高级层的尺寸,增强F-CNN模型的特征表达能力。在网络训练过程中,设计周期性数据打乱策略,提高F-CNN模型的收敛速度,更好地实现手写数字识别。在MNIST数据集上的实验结果表明,融合模型对于手写数字的识别准确率达到99.10%,识别性能优于SN模型和B-CNN模型。

关 键 词：手写数字 融合模型  卷积神经网络 数据打乱策略  收敛速度

分 类 号：TP391.41]