基于多重卷积神经网络的大模式联机手写文字识别[权威资料]

《基于多重卷积神经网络的大模式联机手写文字识别[权威资料]》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于多重卷积神经网络的大模式联机手写文字识别本文档格式为WORD,感谢你的阅读。　　摘要：联机手写识别在日常生产生活中有着广阔的应用，模式识别也一直把其作为研究的重点。传统的识别方法是利用普通卷积神经网络技术，该方法在对小规模字符集联机手写文字识别时有着较高识别率，总体性能高，但在对大规模字符集识别时，识别率则大大降低。提出一种基于多重卷积神经网络的识别方法，旨在克服以往方法对大规模字符集识别时识别效率不高的问题，提高大规模字符集联机手写文字的识别率。系统使用随机对角Levenberg?Marquardt方法来优化训练，通过使用

2、UNIPEN训练集测试该方法识别准确率可达89%，是一个有良好前景的联机手写识别方法。　　关键词：模式识别；神经网络；卷积；文字识别　　TN711?34；TP391.4A1004?373X（2014）20?0019?03　　Largepatternonlinehandwritingcharacterrecognitionbasedonmulti?convolutionneuralnetwork　　GEMing?tao1，WANGXiao?li1，PANLi?wu2　　（1.SIASInternationalSchool，Zhen

3、gzhouUniversity，Zhengzhou451150，China；　　2.HenanUniversityofAnimalHusbandryandEconomy，Zhengzhou450011，China）　　Abstract：Onlinehandwritingcharacterrecognitionisanimportantfieldintheresearchofpatternrecognition.Thetraditionalrecognitionmethodisbasedonthecommonconvolution

4、alneuralnetworks（CNNs）technology.Ithasanefficientrecognitionrateforthesmallpatterncharactersetonlinehandwritingcharacters，buthaslowrecognitionrateforthelargepatterncharactersetrecognition.Arecognitionmethodbasedonmulti?convolutionalneuralnetworks（MCNNs）ispresentedint

5、hispapertoovercomethesituationthatthepreviousmethodshavethelowrecognitionrateforlargepatterncharactersetandimprovetherecognitionrateforthelargepatternhandwritingcharactersetrecognition.ThestochasticdiagonalLevenbert?Marquardtmethodisusedinthesystemfortrainingoptimiza

6、tion.Theexperimentalresultsshowthattheproposedmethodhastherecognitionrateof89%andhasagoodprospectforonlinehandwritingcharacterrecognitionforlargescalepattern.　　Keywords：patternrecognition；neuralnetwork；convolution；characterrecognition　　0引言　　随着全球信息化的飞速发展和对自动化程度要求的不断提高

7、，手写文字识别技术被广泛地应用到许多方面。特别是近几年拥有手写功能的手机、平板电脑等智能电子产品的普及，联机手写文字识别研究已经成为一个备受关注的主题。联机手写字符识别要求实时性较高，识别过程中要求特征空间的维数比较高，在进行特征样本训练时要求训练的数目很大，要匹配的特征值或特征对象比较多[1?2]。　　卷积神经网络（ConvolutionalNeuralNetworks，CNNs）的优点在于图像的识别过程中对视觉模式的获得是直接从原始图像中获得的，所以在设计系统时图像的预处理工作很少，与一般神经网络相比是一种高效的识别方法。卷

8、积神经网络在模式识别的一些领域具有很好的鲁棒性，如在识别有变化的模式和对几何变形的识别方面。利用卷积神经网络的手写识别方法具有如下一些优点：对于要检测的图像可以与事先制定网络拓扑结构之间有较高的匹配率；特征提取和模式分类同时进行；训练参数往往是系统计算量的重要参