基于SVM体系结构的手写体数字识别的CNN分类器

基于SVM体系结构的手写体数字识别的CNN分类器(中文6000字,英文PDF)
摘要
在本文中，我们尝试了一个集中于两个分类器的新模型;卷积神经网络（CNN）和支持向量机（SVM）用于离线手写体数字识别（OAHR），其中应用了神经元丢失技术。在文章当中的系统通过SVM分类器改变了CNN的可训练分类器。其中卷积神经网络有益于提取特征信息以及以SVM作为识别器。该模型能够实现自动从原始图像中提取特征并对图像执行分类。此外，由于神经元丢失技术的强大性能，我们可以防止我们的模型过度拟合。在此次研究当中，评估了其他对手写数字体的识别的性能，训练集和测试集均取自HACDB和IFN / ENIT数据库。仿真结果证明，基于SVM的具有神经元丢失技术的CNN分类器体系结构的新设计方案比没有神经元丢失技术的基于SVM的CNN模型和标准CNN分类器显着更有效。我们的模型的性能与最先进的手写体数字识别系统获得的字符识别准确度进行了比较，结果证明我们的模型性能更佳。