| 基于CNN和粒子群优化SVM的手写数字识别研究 |
| |
| 引用本文： | 杨刚,贺冬葛,戴丽珍.基于CNN和粒子群优化SVM的手写数字识别研究[J].华东交通大学学报,2020,37(4):41-47. |
| |
| 作者姓名： | 杨刚 贺冬葛 戴丽珍 |
| |
| 作者单位： | 华东交通大学电气与自动化工程学院,江西 南昌330013,华东交通大学电气与自动化工程学院,江西 南昌330013,华东交通大学电气与自动化工程学院,江西 南昌330013 |
| |
| 摘 要： | 针对传统卷积神经网络手写体数字识别中Softmax因指数函数运算而易产生计算溢出以及较高的计算机硬件需求问题,提出了基于卷积神经网络特征提取的支持向量机手写体数字识别方法。同时,为了提高手写体数字的识别精度,设计了基于K-CV意义下适应度函数的粒子群优化SVM参数方法。基于Semeion及MNIST手写体数字集的实验仿真表明,文章所设计的方法与传统方法相比能够获得更高的识别率。
|
| 关 键 词： | 卷积神经网络 支持向量机 粒子群算法 手写识别 |
Improved Handwritten Digit Recognition Based on CNN and PSO-SVM |
| |
| Yang Gang,He Dongge,DaiLizhen.Improved Handwritten Digit Recognition Based on CNN and PSO-SVM[J].Journal of East China Jiaotong University,2020,37(4):41-47. |
| |
| Authors: | Yang Gang He Dongge DaiLizhen |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
