基于集成学习改进的卷积神经网络的手写字符识别

摘要

文字是人类表达和交流信息的重要工具之一,如邮政物流信件或快递包裹的分拣和分流、交通系统中车牌号码的识别和卡口收费。本文通过搭建DCNN进行字符识别,能够达到平均98.3%的准确率,而传统的BP神经网络只能达到95%。随后,在DCNN基础上,加入了多种改进算法。使得神经网络对MNIST手写字符集的识别率达到99.1%。最后,又将多个神经网络进行组合,加入集成学习中的Bagging算法,最终使得神经网络对MNIST手写字符集的识别率达到99.4%。