文献类型：期刊文章

作　　者：叶晓波[1] 秦海菲[2] 吕永林[3]

Ye Xiaobo;Qin Haifei;Lyu Yonglin(Institute of Network & Information Systems,Chuxiong Normal University,Chuxiong,Yunnan 675000,China;School ofInformation Sciences & Technology,Chuxiong Normal University,Chuxiong,Yunnan 675000,China;School of Economics &Management,Chuxiong Normal University,Chuxiong,Yunnan 675000,China)

机构地区：[1]楚雄师范学院网络与信息系统研究所,云南楚雄675000 [2]楚雄师范学院信息科学与技术学院,云南楚雄675000 [3]楚雄师范学院经济与管理学院,云南楚雄675000

出　　处：《大理大学学报》

基　　金：云南省教育厅科学研究基金资助项目(2012Y131)

年　　份：2019

卷　　号：4

期　　号：6

起止页码：5-9

语　　种：中文

收录情况：CAS、NSSD、RCCSE、普通刊

摘　　要：为了提高神经网络对手写数字的识别率,基于Adaboost思想改进Adaboost-BP二分类算法,实现用于多分类的Adaboost-BP算法,提高了神经网络对手写数字的识别率。改进了“弱”分类器权重值的计算公式,将权重值归一化处理的步骤放到“弱”分类器迭代训练完成之后,“强”分类器的构成不使用符号函数而是直接计算分类结果。实验数据采用MNIST手写数据库,实验结果显示改进的Adaboost-BP算法构造出的“强”分类器分类结果正确率明显高于“弱”分类器。改进的Adaboost-BP算法可明显提高手写数字识别正确率。

关 键 词：Adaboost-BP算法  手写数字 MNIST  

分 类 号：TP183]