文件名称：基于深度卷积自编码神经网络的手写数字识别研究
文件大小：1.82MB
文件格式：PDF
更新时间：2024-05-20 07:37:22
卷积自编码神经网络 双线性插值 手写数字识别
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。