基于深度學(xué)習(xí)的手寫漢字識別技術(shù)研究.pdf

1、世界上使用人數(shù)最多、信息存儲最簡練、運用最廣泛的語言文字，是中國傳統(tǒng)文化和世界文化不可或缺的重要部分，所以針對漢字圖像的識別研究具有非常重要的實用價值。手寫漢字識別在日常的辦公自動化、郵件分揀、金融等領(lǐng)域都具有非常很好的前景，手寫漢字識別的研究可以使人們的日常生活更便捷。但是由于漢字的類別多，并且結(jié)構(gòu)復(fù)雜，存在大量的相似漢字，再加上不同的人有不同的書寫風(fēng)格，在不同的書寫環(huán)境、書寫方式情況下，手寫出來的漢字圖像從種類和相似度等方面都很復(fù)雜

2、，這就使得手寫漢字識別在模式識別領(lǐng)域一直是難點同時也是研究熱點。近年來，深度學(xué)習(xí)成為機器學(xué)習(xí)領(lǐng)域最熱門的研究內(nèi)容，尤其是在圖像識別領(lǐng)域取得了非常好的效果。它能將復(fù)雜函數(shù)用更簡潔的方式表達，可以自動獲取樣本概率分布同時在學(xué)習(xí)樣本特征上具有優(yōu)勢。因此本文將深度學(xué)習(xí)模型應(yīng)用到脫機手寫漢字識別任務(wù)當(dāng)中，通過使用深度學(xué)習(xí)中不同的方法和模型，進一步提高手寫漢字識別的準確性。
　　本研究首先從深度信念網(wǎng)絡(luò)入手，分析了傳統(tǒng)手寫漢字識別方法的不足，

3、提出了一種基于深度信念網(wǎng)絡(luò)融合模型對手寫漢字識別的方法。該方法首先用修正的二次判別函數(shù)分類器識別較為簡單的漢字，而較為復(fù)雜的漢字圖像交給深度信念網(wǎng)絡(luò)模型來處理，具體的分工過程通過定義可信度來協(xié)調(diào)兩個分類器在識別任務(wù)中的分工，從而達到理想的識別效果。然后從卷積神經(jīng)網(wǎng)絡(luò)入手，卷積神經(jīng)網(wǎng)絡(luò)優(yōu)于傳統(tǒng)的圖像分類方法在特征提取方面，所以將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用在脫機手寫漢字識別問題中。分析了卷積在手寫漢字處理中的優(yōu)缺點，針對相似手寫漢字分類問題，進一步改