-
题名基于集成RBF神经网络的小类别手写体汉字识别系统
被引量：4
- 1
-
-
作者
居琰
汪同庆
刘建胜
王贵新
彭健
-
机构
重庆大学光电工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2002年第23期100-102,158,共4页
-
文摘
该文介绍了RBF神经网络的模型,讨论了RBF网络分类器的机理和特点,提出了一种集成RBF神经网络并应用于小类别手写体汉字识别系统的设计,采用了组合重心分解网格特征方法来提取汉字特征,设计了遗传进化隐层节点自生成算法用于RBF的训练。实验表明该小类别手写体汉字识别系统有很高的识别率,具有一定的实用推广价值。
-
关键词
集成RBF神经网络
小类别手写体汉字识别系统
汉字特征提取
模式识别
人工神经网络
-
Keywords
Pattern recognition,Radial Basis Function neural network,Integration neural network,handwritten chinese character recognition
-
分类号
TP391.43
[自动化与计算机技术—计算机应用技术]
TP1
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于多级神经网络结构的手写体汉字识别
被引量：19
- 2
-
-
作者
金连文
徐秉铮
-
机构
华南理工大学电子与通信工程系
-
出处
《通信学报》
EI
CSCD
北大核心
1997年第5期21-27,共7页
-
基金
国家自然科学基金
-
文摘
本文提出了一种用于手写体汉字识别的多级神经网络结构（Ｍｕｌｔｉ－ｓｔａｇｅＮｅｕｒａｌＮｅｔｗｏｒｋＡｒｃｈｉｔｅｃｔｕｒｅ，ＭＮＮＡ）模型。在该模型中，我们将多个神经网络和不同的特征提取方法有机地集成在一起而构成一个完整的模式识别系统。我们讨论了设计ＭＮＮＡ的一般原理，并提出了一个基于多层前馈神经网络的三级结构的手写体汉字识别实验系统。三种不同的特征提取方法被应用于各级子系统之中。对１００个汉字１５０００个样本的实验我们得到了９９．３４％的识别率，０．３６％的拒识率和０．３％的误识率。
-
关键词
多级
神经网络结构
手写体汉字识别
特征提取
-
Keywords
multi stage neural network architecture, handwritten chinese character recognition, feature extraction, multi expert system, multilayer feedforward network, K L transform
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于二维主成分分析与卷积神经网络的手写体汉字识别
被引量：10
- 3
-
-
作者
郑延斌
韩梦云
樊文鑫
-
机构
河南师范大学计算机与信息工程学院
智慧商务与物联网技术河南省工程实验室(河南师范大学)
-
出处
《计算机应用》
CSCD
北大核心
2020年第8期2465-2471,共7页
-
基金
国家自然科学基金资助项目(U1604156)
河南师范大学青年基金资助项目(2017QK20)。
-
文摘
随着计算能力的飞速增长、训练数据的不断积累以及非线性激活函数的不断完善,卷积神经网络(CNN)在手写体汉字识别中表现出较好的识别性能。针对CNN识别手写体汉字识别速度慢的问题,将二维主成分分析(2DPCA)与CNN相结合识别手写体汉字。首先,利用2DPCA提取手写体汉字的投影特征向量;然后,将得到的投影特征向量组成特征矩阵;其次,用组成的特征矩阵作为CNN的输入;最后,用Softmax函数进行分类。与基于AlexNet的CNN模型相比,所提方法的运行时间降低了78%,与基于ACNN与DCNN的模型相比,所提方法的运行时间分别降低了80%与73%。实验结果表明,该方法在不降低识别精度的同时,可以减少识别手写体汉字的运行时间。
-
关键词
手写体汉字识别
深度学习
卷积神经网络
二维主成分分析
图像分类
-
Keywords
handwritten chinese character recognition
deep learning
Convolutional neural network(CNN)
Two Dimensional Principal Component Analysis(2DPCA)
image classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名手写体汉字识别纯神经网络多分类器集成
被引量：2
- 4
-
-
作者
万红梅
金连文
尹俊勋
-
机构
华南理工大学电子与通信工程系
-
出处
《计算机工程与应用》
CSCD
北大核心
2005年第28期44-45,87,共3页
-
基金
国家自然科学基金(编号:60275005)
广东省自然科学基金(编号:011611)
-
文摘
多分类器集成是解决手写体汉字识别性能的重要方法之一,近年来受到了学术届的普遍关注。文章提出了一种基于单字单网的手写体汉字识别纯神经网络的多分类器集成方案,并通过实验证明该方案是行之有效的。
-
关键词
手写体汉字识别
多分类器集成
神经网络
-
Keywords
handwritten chinese character recognition,multi classifers integrated,neural network
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名一种手写体汉字识别的神经网络多分类器集成方案
被引量：3
- 5
-
-
作者
万红梅
-
机构
华南理工大学电子与通信工程系
-
出处
《计算机工程》
CAS
CSCD
北大核心
2004年第16期151-152,共2页
-
基金
国家自然科学基金资助项目(60275005)
广东省自然科学基金资助项目(011611)
-
文摘
提出了一种基于单字单网的手写体汉字识别纯神经网络的多分类器集成方案,并通过实验证明用该方案实现的神经网络集成系统性能均比任一个神经网络单分类器都好,对1 000种不同的手写体汉字的1 000×10个字进行测试,集成后的识别率最高达到95.22%,比单分类器的识别率高出5.0%-8.7%。
-
关键词
手写体汉字识别
多分类器集成
神经网络
-
Keywords
handwritten chinese character recognition
multi-classifers integrated
neural network
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
