[发明专利]一种卷积神经网络手写体识别排序稳定性的效果评估系统及方法

权利要求书

1.一种卷积神经网络手写体识别排序稳定性的效果评估系统，其特征在于，包括：卷积神经网络手写体识别模块、参数估计模块和不确定性计算模块；

所述卷积神经网络手写体识别模块，以手写体样本的图片数据作为输入数据，该数据通过卷积神经网络卷积层进行卷积操作，经过不同卷积核的卷积运算后得到一系列特征矩阵，特征矩阵经池化层做池化操作，利用池化操作将数据量减小，同时提取原有的图像特征，处理之后得到的数据为手写体识别特征数据；经卷积神经网络学习到的特征将输入全连接层进行手写体分类，得到手写体所属的各类概率统计信息；

所述参数估计模块，根据对所述手写体所属的各类概率统计信息，估计出不确定性计算模块所需参数，所述参数为手写体识别系统排序结果的概率取值范围，概率的不确定性程度与数据出现不确定性的概率；

所述不确定性计算模块，利用参数估计模块得到的参数，通过数据不确定性与数据关系不确定性关系式，得出卷积神经网络手写体识别排序的稳定性；

所述参数估计模块中，通过统计的方式，估计出手写体识别系统排序结果的概率取值范围，概率的不确定性程度与数据出现不确定性的概率的具体过程如下：

(1)估计概率取值范围n，首先确定每一类手写体预测概率的取值范围n，手写体识别模块输出的每一类手写体预测概率值为[0,1]上的值，取n＝1；

(2)估计概率的不确定性程度s，每次训练时，对于每一类手写体j的每一个样本i，手写体识别模块为参数估计模块输出其属于每个类别k的概率p_i,j,k，然后手写体预测概率的不确定性大小其中y_i,j为第i类手写体第i个样本正确的标签，其中为第i类手写体第i个样本第a个预测标签，为参数为y_i,j的Delta函数；

(3)估计数据出现不确定性的概率p_E，当实际概率超过或低于真实概率τ时，认为出现了数据不确定性，

为参数为y_i,j的Delta函数，II(x)为标志函数。

2.根据权利要求1所述的卷积神经网络手写体识别排序稳定性的效果评估系统，其特征在于：所述卷积神经网络手写体识别模块中，得到预测的手写体概率具体如下：

所述卷积神经网络CNN采用三层神经网络，包含卷积层，池化层和全连接层；

卷积层以一个手写体的4*4像素图像作为输入，通过卷积核进行卷积运算，经过两个2*2的卷积核进行卷积运算后，变成两个3*3的特征矩阵；

池化层采用MaxPooling，大小为2*2，步长为1，取每个窗口最大的数值重新，图片的尺寸由3*3变为2*2；

全连接层：经池化层后的特征矩阵作为全连接层的输入，通过softmax函数对其进行分类，得到预测的手写体概率。

3.根据权利要求1所述的卷积神经网络手写体识别排序稳定性的效果评估系统，其特征在于：所述τ＝0.1。