[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

说明书

本发明涉及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，包含卷积神经网络手写体识别模块，参数估计模块以及不确定性计算模块。其中卷积神经网络手写体识别模块以用户手写的数据为输入数据，通过卷积神经网络(CNN)，最后输出预测的分类概率，并依据此分类进行排序；参数估计模块以卷积神经网络(CNN)的手写体识别模块的输出：以识别模块的预测概率为输入，并采用统计的方式，对关系不确定性计算所需参数进行估计；不确定性计算模块以参数估计模块输出的参数作为输入数据，通过设计一种数据不确定性和数据关系不确定性的融合概率计算模型，估计卷积神经网络手写体识别排序结果的稳定性。

技术领域

本发明属于效果评估领域，具体涉及卷积神经网络手写体识别排序稳定性的评估系统及方法。

背景技术

手写体识别是指将在手写设备上书写时产生的有序轨迹信息化转化为汉字内码的过程，实际上是手写轨迹的坐标序列到汉字的内码的一个映射过程，是人机交互最自然、最方便的手段之一。随着智能手机、掌上电脑等移动信息工具的普及，手写识别技术也进入了规模应用时代。

评价一个手写体效果好坏的标准主要由识别后推荐字的准确性决定。目前有不少成熟的针对识别手写体的算法，例如：卷积神经网络(CNN)，K-近邻(KNN)分类算法，支持向量机(SVM)等。这些算法在识别后给出推荐字都存在概率误差。例如，卷积神经网络CNN在经过卷积层来得到数据图片中的一系列特征，然后使用激活函数，再用汇聚层在空间维度上进行降维度操作。如此反复，最后使用全连接层，尺寸变为[1x1x10]，就得到了10个类别的分类概率值。然而这些得到的概率值与实际真实值存在误差，数据上的不确定性会影响数据关系的不确定性，数据间关系的结果会进而影响推荐给用户字的准确性。

发明内容

本发明技术解决问题：克服现有技术的不足，提供一种卷积神经网络手写体识别排序稳定性的评估系统，针对卷积神经网络手写体识别，建立能够代表数据不确定和排序稳定性的识别效果评估模型，解决目前识别排序稳定性难以估计的问题。

本发明采取的技术方案如下：

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，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，过程如下：

(1)卷积层

卷积层以一个手写体的像素图像作为输入，即一个4*4的image，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；

(2)池化层