基于卷積神經(jīng)網(wǎng)絡的孤立手寫體漢字識別研究.pdf

1、手寫體漢字識別在中文自動化處理和智能輸入等方面有著廣泛的應用前景，但由于手寫體漢字具有類別多、結(jié)構復雜、相似字多、字形的多樣化等特點，使得手寫體漢字識別成為相關研究領域中的一個難點與熱點。
　　本文主要以離線和在線的孤立手寫體漢字樣本為研究對象，在對前人的工作進行了認真的學習和總結(jié)基礎上，做了大量的實驗研究，采用深度學習技術進行手寫體漢字識別，并得出了一些有用的結(jié)論。論文的主要研究內(nèi)容如下:
　　首先，本文采用卷積神經(jīng)網(wǎng)絡對

2、孤立手寫體漢字進行識別，通過一系列對比實驗，分析了卷積神經(jīng)網(wǎng)絡在漢字識別任務中的性能，驗證了其在手寫漢字識別領域的可行性。實驗表明，得益于卷積網(wǎng)絡強大的特征表達能力，我們能夠用非常復雜的深度網(wǎng)絡結(jié)構對手寫體漢字進行建模，同時，其“端到端”的特性也簡化了漢字識別的流程。
　　其次，本文對傳統(tǒng)的手寫體漢字預處理和特征提取方法做了深入的研究，通過人工進行特征提?。ǚ较蛱荻忍卣?，方向線素特征等），然后再利用卷積網(wǎng)絡進行特征學習，獲得了比直

3、接使用漢字樣本更好的識別率，驗證了傳統(tǒng)的特征提取方法與卷積神經(jīng)網(wǎng)絡相結(jié)合能產(chǎn)生更好的識別效果。
　　再次，針對漢字類別過多所導致的網(wǎng)絡參數(shù)不易收斂、訓練速度慢等問題，本文采用了基于遷移學習的監(jiān)督式預訓練方案。通過預先對小字符集(例如，手寫數(shù)字庫MNIST)進行網(wǎng)絡訓練，以獲取一個比較好的初始化參數(shù)，并在此基礎上進行大字符集的手寫漢字網(wǎng)絡訓練。實驗證明，該種方法能夠使卷積網(wǎng)絡的參數(shù)迅速收斂，同時保證識別率不出現(xiàn)大的浮動。