当前位置:主页 > 科技论文 > 软件论文 >

手写数字深度特征学习与识别

发布时间:2018-03-28 00:41

  本文选题:深度学习 切入点:特征融合 出处:《计算机技术与发展》2016年07期


【摘要】:深度学习中的网络结构设计、特征提取与融合是数据挖掘和模式识别理论和行业应用中的关键问题。文中以相关领域中的典型应用问题手写数字识别和权威数据库MNIST为实验平台(包含七万个手写数字图像),探索了深度学习网络结构的设计和特征融合问题,保证研究结果的实用性、代表性和可参考性。所给方案的步骤是:首先,设计非监督深度学习网络,进行非监督高层语义特征学习,提取深度特征(DF),探索特征的高层认知特点;其次,对手写数字数据库进行非监督多特征提取,包括HOG(梯度方向直方图)特征、PCA(主成分分析)特征、LDA(判别分析)特征、像素分布特征、穿越次数特征和投影特征,构建手写数字典型特征库(Library of Typical Features,LTF);最后,构建深度有监督学习网络,有监督地融合深度特征DF和典型特征库。实验结果表明,相比于文献中的典型特征,该方案能够将手写数字识别的错误率有效降低50%。
[Abstract]:The design of network structure in deep learning, feature extraction and fusion is a key problem in data mining and pattern recognition theory and industry application. Typical application problems in relevant fields in the handwritten numeral recognition and authoritative database MNIST as the experimental platform (contains seventy thousand handwritten digital image), and explore the deep learning design and characteristics of the network the structure of the fusion problem, ensure the practicability of the research results, representative and reference. The plan steps are: firstly, supervision of deep learning network design, unsupervised learning high-level semantic feature extraction, feature depth (DF), characteristics of the high cognitive exploration characteristics; secondly, the handwritten digit database unsupervised feature extraction, including the HOG (gradient direction histogram), PCA (principal component analysis), LDA (discriminant analysis) feature pixel distribution, the number of crossing feature and projection feature Construction of syndrome, typical characteristics of handwritten digital library (Library of Typical Features, LTF); finally, the construction depth of supervised learning network, supervised feature fusion depth DF and typical feature database. The experimental results show that compared to the typical characteristics of the literature, this scheme can be hand written numeral recognition error rate decrease 50%.

【作者单位】: 华南师范大学数学科学学院;
【基金】:国家自然科学基金资助项目(61273248;61075033)
【分类号】:TP391.41

【相似文献】

相关期刊论文 前10条

1 罗佳;王玲;;基于凹凸特性的非限制粘连手写数字串切分[J];微计算机信息;2007年25期

2 黄威;韦鹏;;基于决策树的手写数字的识别[J];信息技术与信息化;2011年06期

3 张洪刚,吴铭,刘刚,郭军;基于模具的手写数字串切分算法及其应用[J];计算机学报;2003年07期

4 雷云,刘长松,丁晓青,付强;基于识别的粘连手写数字串切分系统[J];清华大学学报(自然科学版);2005年04期

5 张巍;;手写数字自动识别的聚类设计与实现[J];经营管理者;2013年03期

6 张闯;蔺志青;肖波;郭军;;适用于银行票据手写数字串切分的滴水算法[J];北京邮电大学学报;2006年01期

7 宋婉娟;;基于支持向量机的手写数字串识别[J];湖北第二师范学院学报;2010年02期

8 沈茜;;试卷存档管理中手写数字图像的预处理[J];信息与电脑(理论版);2011年09期

9 马瑞;杨静宇;;一种用于手写数字分割的滴水算法的改进[J];小型微型计算机系统;2007年11期

10 丁杰;娄震;杨静宇;;基于笔划组合的手写数字切分[J];中国图象图形学报;2009年08期

相关会议论文 前3条

1 刘刚;吴铭;张洪刚;郭军;;多种切分方法组合的手写数字串切分[A];第八届全国汉字识别学术会议论文集[C];2002年

2 丁文;裴峗;吴卿;;基于七段中轴投影的手写数字可信计算识别法[A];浙江省电子学会2009学术年会论文集[C];2009年

3 郑天翔;谢亮;杨力华;;表格手写数字串的若干技术研究[A];第十三届全国图象图形学学术会议论文集[C];2006年

相关重要报纸文章 前1条

1 ;手写数字签名:金融无纸化的助推利器[N];中国计算机报;2013年

相关硕士学位论文 前6条

1 李佳徽;市场与用户驱动的手写数字签名设备开发研究[D];燕山大学;2014年

2 刘聪;包含小数点的手写数字串切分与识别[D];厦门大学;2014年

3 王永亮;基于粒子群神经网络的手写数字模糊识别[D];大庆石油学院;2009年

4 罗佳;无约束手写数字串切分与识别算法研究[D];四川师范大学;2007年

5 张魁;基于遗传-BP神经网络的手写数字的识别方法[D];西安科技大学;2012年

6 刘培根;银行票据手写数字串识别的预处理与分割[D];南京理工大学;2012年



本文编号:1674017

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1674017.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户4ef04***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com