基于CNN和随机弹性形变的相似手写汉字识别

摘要：

针对手写汉字中相似汉字的识别问题，构建了一种卷积神经网络（CNN）模型，并给出了其网络拓扑结构，通过随机弹性形变对样本集进行扩展，以提高模型的泛化性能．相似手写汉字的识别实验结果表明：相对于常规的CNN模型，文中CNN模型的手写汉字识别正确率提高1．66％，特别是对于变形的手写汉字，识别正确率提高12．85％；相对于传统的手写汉字识别方法，文中方法的识别错误率降低36．47％，从而验证了文中识别方法的有效性．

关键词：字符识别、深度学习、卷积神经网络、弹性形变

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61271314；国家科技支撑计划项目2013BAH65F01-2013BAH65F04

在线出版日期：2014-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：72-76,83