共查询到10条相似文献，搜索用时 15 毫秒
1.
《实验室研究与探索》2015,(12)
针对手机和平板电脑上手写汉字主流的xml存储格式,提出了一种对识别用户手写汉字笔划的算法。算法首先从三种结构特征对手写汉字进行编码,然后计算用户字笔划、模板字笔划之间不同编码集合的相似度,最后组合多种相似度识别手写汉字的笔划,并通过三种应用实验验证方法的有效性。笔顺的判别一直是手写汉字识别的难点,文章中提出的方法笔顺的识别率高达95%以上。此算法在用户字的多笔、少笔判别、笔顺判别、整字的正确性以及美观性判别等方面都有着广泛的应用。 相似文献
2.
随着人工智能的发展,计算机对于输入的手写字符识别需求越来越大,采用改进的卷积神经网络对手写字符进行识别分类。用VGGNet16模型构造卷积神经网络模型,每一层都加上批标准化,通过平均值池化对卷积层进行下采样,利用PRELU激活函数代替ReLU激活函数,最后通过Softmax分类器对手写字符图像进行分类。在MNIST手写数字数据集和EMNIST-bymerge手写字母及数字数据集下进行实验,改进的卷积神经网络模型在MNIST数据集中识别准确率提升到99.65%,在EMNIST数据集中识别准确率为90.37%。因此,改进模型识别准确率较高,适用于手写字符识别。 相似文献
3.
《绵阳师范学院学报》2019,(11):22-26
在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图像的多尺度特征.然后,将多尺度特征送入全连接网络和Soft Max分类器,实现手写数字图像识别.最后,通过对不同网络结构的CNN算法进行评估表明,本文提出的算法可以有效提高网络精度,具有较好的泛化能力. 相似文献
4.
针对人脸识别问题,提出了一种新的算法。该算法利用融合的PCA和LDA算法进行特征提取,并使用蚁群优化的BP神经网络进行人脸识别。使用融合的PCA和LDA算法对特征向量进行提取压缩,为了提高BP神经网络对人脸的分类精度和减少训练时间,使用蚁群算法优化BP神经网络的初始参数,并使用优化后的BP神经网络进行训练和人脸识别。在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率。 相似文献
5.
李文趋 《泉州师范学院学报》2010,28(4):18-21
将SVM应用于手写数字的识别,即将采集、预处理后的样本图像的各个像素点直接作为SVM的输入进行训练,通过交叉验证得到最佳参数,取得了较高的识别率.通过与BP神经网络的实验对比表明了在小样本、高维度的应用环境中,SVM具有训练简单、识别率高的特点. 相似文献
6.
《实验室研究与探索》2018,(9)
提出一种基于最长轨迹投影的3D空间手写字符维数约简算法。首先,获取运动指尖的3D坐标,依次连接坐标点生成3D运动轨迹;将3D轨迹上所有的点分别投影到XOY、XOZ、YOZ平面形成2D轨迹;分别计算3个平面内的2D轨迹上相邻点的长度和,选择长度和最大的平面作为最佳投影平面。实验结果表明,所提算法可以得到固定方向的2D图像,不需要方向调整算法,就能够使3D空间手写字符的识别率达到96. 2%。 相似文献
7.
针对传统语音识别在多目标情况下识别率较低的问题,从特征参数提取角度,提出一种基于受限玻尔茨曼机（RBM）的特征提取方法。依据不同个体语音信号之间的特征差异提取特征参数,通过梯度上升算法调整网络参数以拟合给定训练样本,通过对比散度算法降低采样达标所需状态转移次数以提高算法效率,再利用重构误差曲线评价受限玻尔茨曼机对训练样本的似然度。实验表明,当隐含层节点个数为30时,参数提取的重构误差低于20%。此时使用改进的BP网络训练,与传统算法相比,综合识别率提高到86.9%,对提升多目标语音识别率具有重要意义。 相似文献
8.
《十堰职业技术学院学报》2016,(2):105-108
模糊c均值(FCM,Fuzzy c-Means)算法是一种非常实用的模糊聚类算法,在非监督模式分类中占据着重要的地位。而手写数字识别在现实中也有着非常广泛的应用,如邮政编码、统计报表、银行票据等等。在FCM算法基础上,加入部分监督信息,并对手写数字图像用Zernike矩来筛选特征,最后通过MATLAB编程,验证了该改进的FCM算法对手写数字识别具有一定的可靠性。 相似文献
9.
为满足车辆检测实时性和准确性需求,将基于C4.5的决策树算法作为AdaBoost算法的弱分类器,产生一种速度快、识别率高的强分类器,称之为AdaBoost DT算法。算法训练多个决策树并将之作为弱分类器,之后通过改进级联架构的AdaBoost算法将若干弱分类器组合成一个强分类器。该算法特点在于：相对于广泛使用的以SVM作为弱分类器的算法,其以决策树作为分类器,速度提高了29%;通过在AdaBoost算法进行强分类器的形成阶段加入再判决函数,准确率提高了14.1%。 相似文献
10.
基于不同视角和情境特征的大数据定义诠释了大数据的 5V 特性,在扩展大数据价值空间与应用模式的同时催生了以“数据驱动+模型驱动”范式转变为代表的核心问题。为解决大数据分析核心问题,引入神经网络,采用性能优越的卷积神经网络设计对比实验,运用两个公开数据集对其进行训练,并在输出层分别使用L2-SVM 和 Softmax 激活函数。在手写数字识别和彩色图像识别中,L2-SVM 的识别错误率分别为 0.87%和11.9%。实验结果表明,基于 L2-SVM 的神经网络大数据分析方法可以获得更高的识别精度。 相似文献