[发明专利]基于卷积神经网络和随机森林的手写数字识别方法在审
| 申请号： | 201710131513.X | 申请日： | 2017-03-07 |
| 公开（公告）号： | CN106991374A | 公开（公告）日： | 2017-07-28 |
| 发明（设计）人： | 丁世飞;侯艳路;张楠;张健;赵星宇;曾凯 | 申请（专利权）人： | 中国矿业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 221116 江苏省徐*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明一种基于卷积神经网络和随机森林的手写体数字识别方法，通过将卷积神经网络提取数字图像的特征，之后将特征交给随机森林完成分类，这样使得模型在提取特征的过程中大大减少了时间，既克服了CNN训练时间过长的问题，又解决了在RF在人工选取特征的缺陷，最后达到了很好的识别效果。 | ||
| 搜索关键词： | 基于 卷积 神经网络 随机 森林 手写 数字 识别 方法 | ||
【主权项】：
一种基于卷积神经网络和随机森林的手写体数字识别方法，其特征在于，包括以下步骤：步骤1：采集手写数字图像生成训练集和测试集；步骤2：构造并初始化卷积神经网络:该网络包括：输入层、两个卷积层、两个降采样层和一个全连接层，随机初始化卷积神经网络的权值，将样本输入到网络中，经过逐层计算得到样本的特征。步骤3：训练随机森林分类器，利用bootstrap重抽样方法从样本中抽取多个样本，然后对每个bootstrap样本进行决策树建模，然后组成多棵决策树进行预测，最终投票得出预测结果；步骤4：手写数字的识别，从卷积神经网络中得到特征数据之后，将特征数据输入到训练好的随机森林分类器中从而得到手写数字识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国矿业大学，未经中国矿业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710131513.X/，转载请声明来源钻瓜专利网。
