本文選題：深度學(xué)習(xí)　切入點(diǎn)：特征融合　出處：《計(jì)算機(jī)技術(shù)與發(fā)展》2016年07期

【摘要】：深度學(xué)習(xí)中的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)、特征提取與融合是數(shù)據(jù)挖掘和模式識(shí)別理論和行業(yè)應(yīng)用中的關(guān)鍵問(wèn)題。文中以相關(guān)領(lǐng)域中的典型應(yīng)用問(wèn)題手寫(xiě)數(shù)字識(shí)別和權(quán)威數(shù)據(jù)庫(kù)MNIST為實(shí)驗(yàn)平臺(tái)(包含七萬(wàn)個(gè)手寫(xiě)數(shù)字圖像),探索了深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)和特征融合問(wèn)題,保證研究結(jié)果的實(shí)用性、代表性和可參考性。所給方案的步驟是:首先,設(shè)計(jì)非監(jiān)督深度學(xué)習(xí)網(wǎng)絡(luò),進(jìn)行非監(jiān)督高層語(yǔ)義特征學(xué)習(xí),提取深度特征(DF),探索特征的高層認(rèn)知特點(diǎn);其次,對(duì)手寫(xiě)數(shù)字?jǐn)?shù)據(jù)庫(kù)進(jìn)行非監(jiān)督多特征提取,包括HOG(梯度方向直方圖)特征、PCA(主成分分析)特征、LDA(判別分析)特征、像素分布特征、穿越次數(shù)特征和投影特征,構(gòu)建手寫(xiě)數(shù)字典型特征庫(kù)(Library of Typical Features,LTF);最后,構(gòu)建深度有監(jiān)督學(xué)習(xí)網(wǎng)絡(luò),有監(jiān)督地融合深度特征DF和典型特征庫(kù)。實(shí)驗(yàn)結(jié)果表明,相比于文獻(xiàn)中的典型特征,該方案能夠?qū)⑹謱?xiě)數(shù)字識(shí)別的錯(cuò)誤率有效降低50%。
[Abstract]:The design of network structure in deep learning, feature extraction and fusion is a key problem in data mining and pattern recognition theory and industry application. Typical application problems in relevant fields in the handwritten numeral recognition and authoritative database MNIST as the experimental platform (contains seventy thousand handwritten digital image), and explore the deep learning design and characteristics of the network the structure of the fusion problem, ensure the practicability of the research results, representative and reference. The plan steps are: firstly, supervision of deep learning network design, unsupervised learning high-level semantic feature extraction, feature depth (DF), characteristics of the high cognitive exploration characteristics; secondly, the handwritten digit database unsupervised feature extraction, including the HOG (gradient direction histogram), PCA (principal component analysis), LDA (discriminant analysis) feature pixel distribution, the number of crossing feature and projection feature Construction of syndrome, typical characteristics of handwritten digital library (Library of Typical Features, LTF); finally, the construction depth of supervised learning network, supervised feature fusion depth DF and typical feature database. The experimental results show that compared to the typical characteristics of the literature, this scheme can be hand written numeral recognition error rate decrease 50%.

【作者單位】： 華南師范大學(xué)數(shù)學(xué)科學(xué)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61273248;61075033)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 羅佳;王玲;;基于凹凸特性的非限制粘連手寫(xiě)數(shù)字串切分[J];微計(jì)算機(jī)信息;2007年25期

2 黃威;韋鵬;;基于決策樹(shù)的手寫(xiě)數(shù)字的識(shí)別[J];信息技術(shù)與信息化;2011年06期

3 張洪剛,吳銘,劉剛,郭軍;基于模具的手寫(xiě)數(shù)字串切分算法及其應(yīng)用[J];計(jì)算機(jī)學(xué)報(bào);2003年07期

4 雷云,劉長(zhǎng)松,丁曉青,付強(qiáng);基于識(shí)別的粘連手寫(xiě)數(shù)字串切分系統(tǒng)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

5 張巍;;手寫(xiě)數(shù)字自動(dòng)識(shí)別的聚類設(shè)計(jì)與實(shí)現(xiàn)[J];經(jīng)營(yíng)管理者;2013年03期

6 張闖;藺志青;肖波;郭軍;;適用于銀行票據(jù)手寫(xiě)數(shù)字串切分的滴水算法[J];北京郵電大學(xué)學(xué)報(bào);2006年01期

7 宋婉娟;;基于支持向量機(jī)的手寫(xiě)數(shù)字串識(shí)別[J];湖北第二師范學(xué)院學(xué)報(bào);2010年02期

8 沈茜;;試卷存檔管理中手寫(xiě)數(shù)字圖像的預(yù)處理[J];信息與電腦(理論版);2011年09期

9 馬瑞;楊靜宇;;一種用于手寫(xiě)數(shù)字分割的滴水算法的改進(jìn)[J];小型微型計(jì)算機(jī)系統(tǒng);2007年11期

10 丁杰;婁震;楊靜宇;;基于筆劃組合的手寫(xiě)數(shù)字切分[J];中國(guó)圖象圖形學(xué)報(bào);2009年08期

相關(guān)會(huì)議論文 前3條

1 劉剛;吳銘;張洪剛;郭軍;;多種切分方法組合的手寫(xiě)數(shù)字串切分[A];第八屆全國(guó)漢字識(shí)別學(xué)術(shù)會(huì)議論文集[C];2002年

2 丁文;裴峗;吳卿;;基于七段中軸投影的手寫(xiě)數(shù)字可信計(jì)算識(shí)別法[A];浙江省電子學(xué)會(huì)2009學(xué)術(shù)年會(huì)論文集[C];2009年

3 鄭天翔;謝亮;楊力華;;表格手寫(xiě)數(shù)字串的若干技術(shù)研究[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)重要報(bào)紙文章 前1條

1 ;手寫(xiě)數(shù)字簽名：金融無(wú)紙化的助推利器[N];中國(guó)計(jì)算機(jī)報(bào);2013年

相關(guān)碩士學(xué)位論文 前6條

1 李佳徽;市場(chǎng)與用戶驅(qū)動(dòng)的手寫(xiě)數(shù)字簽名設(shè)備開(kāi)發(fā)研究[D];燕山大學(xué);2014年

2 劉聰;包含小數(shù)點(diǎn)的手寫(xiě)數(shù)字串切分與識(shí)別[D];廈門(mén)大學(xué);2014年

3 王永亮;基于粒子群神經(jīng)網(wǎng)絡(luò)的手寫(xiě)數(shù)字模糊識(shí)別[D];大慶石油學(xué)院;2009年

4 羅佳;無(wú)約束手寫(xiě)數(shù)字串切分與識(shí)別算法研究[D];四川師范大學(xué);2007年

5 張魁;基于遺傳-BP神經(jīng)網(wǎng)絡(luò)的手寫(xiě)數(shù)字的識(shí)別方法[D];西安科技大學(xué);2012年

6 劉培根;銀行票據(jù)手寫(xiě)數(shù)字串識(shí)別的預(yù)處理與分割[D];南京理工大學(xué);2012年

，

本文編號(hào)：1674017