基于改进卷积神经网络及SVM的手写数字识别方法

作者：张振威; 王红成^*

来源：东莞理工学院学报, 2021, 28(05): 57-86.

DOI：10.16002/j.cnki.10090312.2021.05.007

• 卷积神经网络
• 手写数字识别
• SVM
• 特征提取
• BN
• early＿stopping

手写数字识别在数据的自动读取、银行支票识别、邮政编码自动识别等领域有重要的实际应用价值。为了提高手写数字识别的准确率,提出一种将卷积神经网络与批量归一化(BN)网络结合来提取手写数字图片特征、并用支持向量机(SVM)进行分类的手写数字识别方法。经实验验证,所提出的手写数字识别方法准确率达到99.6%,相比于Vgg-16、Xception等改进卷积网络的识别准确率有较大的提高。

• 单位
  东莞理工学院