基于深度卷积自编码神经网络的手写数字识别研究
Research on handwritten digit recognition based on deep convolution self-coded neural network
河北经贸大学 信息技术学院, 石家庄 050061
摘要
针对提高不同笔体下的手写识别准确率进行了研究，将深度卷积神经网络与自动编码器相结合，设计卷积自编码器网络层数，形成深度卷积自编码神经网络。首先采用双线性插值方法分别对MNIST数据集与10 000幅自制中国大学生手写数字图片进行图像预处理，然后使用单一MNIST数据集对深度卷积自编码神经网络进行训练与测试；最后使用MNIST与自制数据集中5 000幅图片混合，再次训练该网络，对另外5 000幅图片进行测试。实验数据表明，所提深度卷积自编码神经网络在MNIST测试集正确率达到99.37%；且5 000幅自制数据集模型测试正确率达99.33%，表明该算法实用性较强，在不同笔体数字上得到了较高的识别准确率，模型准确有效。
基金项目
河北省科技计划资助项目(17450112D)
出版信息
DOI: 10.19734/j.issn.1001-3695.2018.09.0774
出版期卷: 《计算机应用研究》 印刷出版, 2020年第37卷 第4期
所属栏目: 图形图像技术
出版页码: 1239-1243
文章编号: 1001-3695(2020)04-060-1239-05
发布历史
[2020-04-05] 印刷出版
引用本文
曾文献, 孟庆林, 郭兆坤. 基于深度卷积自编码神经网络的手写数字识别研究 [J]. 计算机应用研究, 2020, 37 (4): 1239-1243. (Zeng Wenxian, Meng Qinglin, Guo Zhaokun. Research on handwritten digit recognition based on deep convolution self-coded neural network [J]. Application Research of Computers, 2020, 37 (4): 1239-1243. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
