文件名称：基于 AP 和 BP 神经网络算法的手写数字识别 (2014年)
文件大小：1.07MB
文件格式：PDF
更新时间：2024-05-31 21:09:41
自然科学 论文
针对现有的手写数字识别技术不适合大规模应用的问题，提出了一种基于 AP 和 BP 神经网络的快速手写数字识别算法。首先对预处理后的样本通过 AP 算法（affinity propagation）聚类消除冗余，重新构造样本空间；然后构造 BP（误差反向传播）神经网络模型，学习测试集合样本。采用UCI机器学习数据库中的数据进行实验，结果表明，算法的识别正确率可达96.10%，高于 BP 神经网络算法的识别正确率94.88%，且执行时间约为后者的10%，具有较高的实用价值。