10.3969/j.issn.1672-9722.2021.07.002
融合K-means和RBF神经网络的汉字识别算法
对于自然场景中拍摄的汉字图像,现有的汉字识别算法出现了很多问题,如传统的BP神经网络算法识别效率低下,传统的RBF神经网络算法识别准确率不高等,针对这些问题,论文提出了融合K-means和RBF神经网络的汉字识别算法.该算法通过引入减聚类算法,来计算出K-means算法的初始聚类中心及其个数,接着用K-means算法计算出RBF神经网络算法的径向基函数的中心,最后确定径向基函数的宽度以及隐含层到输出层之间的权值.实验结果表明该算法有着较高的准确率,能有效地提高汉字识别效率,具有一定的实用价值.
K-means算法;RBF神经网络;汉字识别
49
TP301.6(计算技术、计算机技术)
国家自然科学基金项目"基于鲁棒表现建模的目标跟踪方法研究"编号:61772244
2021-08-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
1286-1289,1295