文献类型：期刊文章

作　　者：曾文献[1] 孟庆林[1] 郭兆坤[1]

Zeng Wenxian;Meng Qinglin;Guo Zhaokun(School of Information Technology,Hebei University of Economics&Business,Shijiazhuang 050061,China)

机构地区：[1]河北经贸大学信息技术学院,石家庄050061

出　　处：《计算机应用研究》

基　　金：河北省科技计划资助项目(17450112D)。

年　　份：2020

卷　　号：37

期　　号：4

起止页码：1239-1243

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、EBSCO、IC、JST、PROQUEST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对提高不同笔体下的手写识别准确率进行了研究,将深度卷积神经网络与自动编码器相结合,设计卷积自编码器网络层数,形成深度卷积自编码神经网络。首先采用双线性插值方法分别对MNIST数据集与10000幅自制中国大学生手写数字图片进行图像预处理,然后使用单一MNIST数据集对深度卷积自编码神经网络进行训练与测试;最后使用MNIST与自制数据集中5000幅图片混合,再次训练该网络,对另外5000幅图片进行测试。实验数据表明,所提深度卷积自编码神经网络在MNIST测试集正确率达到99.37%;且5000幅自制数据集模型测试正确率达99.33%,表明该算法实用性较强,在不同笔体数字上得到了较高的识别准确率,模型准确有效。

关 键 词：卷积自编码神经网络  双线性插值 手写数字识别 深度学习  

分 类 号：TP183]