基于集成学习改进的卷积神经网络的手写字符识别  

作　　者：黎育权 

机构地区：[1]青海大学计算机技术与应用系,青海省西宁市810016

出　　处：《电子技术与软件工程》2018年第9期167-167,共1页ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

基　　金：2017年度青海大学"校长杯"创新创业培育项目基金;项目编号:2017-xzb-02z

摘　　要：文字是人类表达和交流信息的重要工具之一,如邮政物流信件或快递包裹的分拣和分流、交通系统中车牌号码的识别和卡口收费。本文通过搭建DCNN进行字符识别,能够达到平均98.3%的准确率,而传统的BP神经网络只能达到95%。随后,在DCNN基础上,加入了多种改进算法。使得神经网络对MNIST手写字符集的识别率达到99.1%。最后,又将多个神经网络进行组合,加入集成学习中的Bagging算法,最终使得神经网络对MNIST手写字符集的识别率达到99.4%。

关 键 词：深度学习 机器学习 深度卷积神经网络 集成学习 手写字符识别 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程]