基于改进卷积神经网络的手写数字识别

摘要

针对试卷卷头手写分数识别问题,提出一种改进卷积神经网络(CNN)的手写数字识别算法;该算法,在网络提取图像特征的过程中改用多层特征融合和混合采样的方式,实现图像特征信息的充分提取;在网络训练阶段采用学习速率自适应的调整策略和增加动量项,提高网络训练速度;最后,采用SVM分类器进行分类识别;实验结果表明,该算法有效的提高了手写数字的识别率,减少了训练时间,识别性能优于普通的CNN模型和其它对比方法;在MNIST数据集上的仿真实验充分验证了算法的有效性.