大数据下de基于深度神经网de相似汉字识别.pdfVIP

第 35卷第9期 通 信 学 报 v l_35 NO．9 2014年 9月 JournalonCommunications September2014 doi：10．3969~．issn．1000—436x．2014．09．019 大数据下的基于深度神经网的相似汉字识别 杨钊 ，陶大鹏 ，张树业，金连文 (华南理工大学 电子与信息学院，广东 广州 510641) 摘 要：针对传统相似手写汉字识别系统(SHCCR)受特征提取方法的限制，提出采用深度神经网(DNN)对相似汉 字 自动学习有效特征并进行识别，介绍相似字符集生成方法和针对相似汉字识别的深度神经网络的具体结构，研 究对比不同的训练数据规模对识别性能的影响。实验表明，DNN 能有效地进行特征学习，避免了人工设计特征 的不足，与传统基于梯度特征的支持向量机 (SVM)和最近邻分类器 (1-NN)方法相比，识别率有较大的提高； 且随着训练样本增加的同时，DNN 在提高识别性能上表现得更为优秀，大数据训练对提升深度神经网络的识别 率作用明显。 关键词：大数据；深度神经网；深度学习；相似手写汉字识别 中图分类号：TP391 文献标识码：A 文章编号：1000—436X(2014)09—0184-06 SimilarhandwrittenChinesecharacterrecognition basedondeepneuralnetworkswithbigdata YANGZhao，TAODa—peng，ZHANGShu-ye，JIN Lian—wen (SchoolofElectronicandInformationEngineering，SouthChinaUniversityofTechnology,Guangzhou510641，Chma) Abstract：TherecognitionratesofthetraditionalsimilrahandwrittenChinesecharacterrecognition(SHCCR)systems raenotveryhighduetotherestrictionoffeatureextractionmethods．Inordertoimprovetherecong itionaccuracy,anew methodbasedondeepneuralnetworks(DNN)wasproposedtoleameffectivefeaturesautomaticallyandconductrecog— nition．Themethodofhow togeneratesimilarhna dwrittenChinesecharactersetswasintroduced．Thearchitectureofthe DNN forSHCCR waspresented．Theperformanceswithrespecttodifferentrtainingdatascalewascompared．Th eex- perimentalresultsshow that．DNN canlearn featuresautomaticallyandefficiently．Th eproposedDNN Cna achievebetter perfomrnacecomparingwithsupportvectormachine(SVM)andneraestneighborclassifier(1-NN)basedongradient features．Especially,withhteincreaseofrtainingdatatherecong itionrateofDNN isimprovedobservably,indicatingthat largetraini