计算机应用

作者：郑延斌, 韩梦云, 樊文鑫

单位：1. 河南师范大学 计算机与信息工程学院, 河南 新乡 453007;2. 智慧商务与物联网技术河南省工程实验室(河南师范大学), 河南 新乡 453007

关键词：手写体汉字识别,深度学习,卷积神经网络,二维主成分分析,图像分类

基金：国家自然科学基金资助项目（U1604156）；河南师范大学青年基金资助项目（2017QK20）。

随着计算能力的飞速增长、训练数据的不断积累以及非线性激活函数的不断完善，卷积神经网络（CNN）在手写体汉字识别中表现出较好的识别性能。针对CNN识别手写体汉字识别速度慢的问题，将二维主成分分析（2DPCA）与CNN相结合识别手写体汉字。首先，利用2DPCA提取手写体汉字的投影特征向量；然后，将得到的投影特征向量组成特征矩阵；其次，用组成的特征矩阵作为CNN的输入；最后，用Softmax函数进行分类。与基于AlexNet的CNN模型相比，所提方法的运行时间降低了78%，与基于ACNN与DCNN的模型相比，所提方法的运行时间分别降低了80%与73%。实验结果表明，该方法在不降低识别精度的同时，可以减少识别手写体汉字的运行时间。

来源：2020年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第8期