共查询到20条相似文献,搜索用时 156 毫秒
1.
《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
2.
宋婉娟 《湖北第二师范学院学报》2010,(2):84-86
手写数字识别是手写字符识别的一个重要分支,单个数字识别技术已经比较成熟,而手写数字串的切分与识别则成为了该领域的一个难点。本文针对手写数字串的切分和识别设计了一种实验模型,该实验模型针对手写数字串的过度切分以及不足切分的特殊情况设置基于支持向量机的检测器进行再次识别确认,实验证明,使用基于支持向量机的检测器大大的减少了因为错误切分而带来的识别率的下降。 相似文献
3.
手写数字识别是手写字符识别的一个重要分支,单个数字识别技术已经比较成熟,而手写数字串的切分与识别则成为了该领域的一个难点。本文针对手写数字串的切分和识别设计了一种实验模型,该实验模型针对手写数字串的过度切分以及不足切分的特殊情况设置基于支持向量机的检测器进行再次识别确认,实验证明,使用基于支持向量机的检测器大大的减少了因为错误切分而带来的识别率的下降。 相似文献
4.
近年来,手写数字识别是计算机视觉与模式识别中一个广受关注的问题。该问题的主要挑战是如何设计一种有效方法,以识别用户通过数字设备提交的手写数字。目前,深度学习算法在计算机视觉领域非常流行,被用于处理诸如图像分类、自然语言处理及语音识别等问题。以几种深度学习常见算法,包括线性感知器、卷积神经网络、循环神经网络、长短时记忆网络等为研究对象,分析其在手写数字识别方面的优缺点,并引入Google 第二代人工智能系统 TensorFlow,对比相同算法在不同框架下的识别速度及准确率。实验结果表明,几类深度学习算法都能明显提高识别准确率,且在训练数据集时不会损耗过多计算资源。 相似文献
5.
构建手写数字识别系统,并对系统中BP网络反传学习速率进行改进,提高了识别率并缩短了学习时间;在特征提取上针对数字综合采用二值化并统一规格化的方法,优化了系统的识别精度并提高了识别速度。采用BP算法增强了数字识别的容错性、鲁棒性。 相似文献
6.
《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
7.
8.
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
9.
文字识别分为联机手写识别和脱机手写识别,其中联机手写识别是通过数字设备采集手写输入信号,然后根据文字特征加以匹配识别的过程。但是由于手写体笔迹变动非常大,精确识别比较困难。针对这种情况,我们提出一套手写体蒙古文字识别多分类器的设计,依次采用了贝叶斯(Bayes)决策方法、判别函数法,以及HMM模型与最近邻方法等。显著提高了系统的识别率和正确率。 相似文献
10.
《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
11.
12.
为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与 K 近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在 mnist 手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对 10 000 张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达 95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。 相似文献
13.
《绵阳师范学院学报》2020,(2):35-39
本文使用深度神经网络算法对手写数字图像进行分类识别.该算法利用20个卷积层提取手写数字图像的特征向量,特征向量经过Re LU激活函数后被20个池化层进一步降低向量维度,最后通过softmax激活函数输出.结果表明,训练数据8 000以上时识别率会超过90%,训练次数8次以上识别率高于96%.结论:采用整流线性单元函数作为激活函数,有效解决了梯度消失问题和过拟合问题. 相似文献
14.
光学神经网络光电子技术与神经网络模型,有望突破传统电子神经网络计算速度和网络功率效率低的技术瓶颈。为解决教学活动中缺乏实际演示案例问题,设计了利用光学神经网络进行手写数字识别实验。利用光学神经网络芯片级仿真平台Neuroptica构建手写数字识别系统,学生在不同参数下训练模型进行对比实验,也可自主编程设计ONN模型实现其他机器学习任务以验证模型的优劣。 相似文献
15.
传统的数字识别算法存在识别速度、识别准确率和识别方法复杂度三者无法兼顾的问题,为解决该问题,提出了基于特征矩阵的高效数字识别算法。该算法首先在预处理的基础上获取字符的特征矩阵,然后用特征矩阵对字符的特征横线、竖线等特征进行提取,最后利用结构语句识别的方法实现数字识别。实验结果表明,基于特征矩阵的高效数字识别算法思路简单、速度快,且识别率达97% 以上。 相似文献
16.
17.
18.
星辰 《中学生阅读(初中版)》2008,(Z1):60-61
随着平板电脑(Tablet PC)的问世,一种具有识别手写体文字输入功能的"数字墨水"(Digital Ink)技术也随之出现。"数字墨水"技术是一种新的人机界面技术,它在借鉴"手写识别"技术的同时,超越了它的许多局限。人们可以获得识别出的文本,并可以对它进行处理,将它插到文章中,作为电子邮 相似文献
19.
提出了一种新的基于核判别分析的手写汉字识别方法。核判别是对线性判别式分析的非线性判别分布的扩展。阐述了核判别分析法的基本原理,建立了核判别分析手写体识别模型,研究分析了核判别分析手写体识别模型的缺陷并提出了优化策略。在此基础上,采用C#与核判别分析相结合的算法,更好地展示了核判别算法的算法优势,采用高级语言提高了网络的学习训练速度和识别效果。 相似文献