公开(公告)号：CN106991374A

公开(公告)日：2017-07-28

申请号：CN201710131513.X

申请日：2017-03-07

Applicant: 中国矿业大学

Inventor： 丁世飞 ,  侯艳路 ,  张楠 ,  张健 ,  赵星宇 ,  曾凯

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

CPC classification number: G06K9/00409 ,  G06K9/00422 ,  G06K9/6282 ,  G06N3/0454

Abstract: 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。

公开(公告)号：CN107153810A

公开(公告)日：2017-09-12

申请号：CN201610126470.1

申请日：2016-03-04

Applicant: 中国矿业大学

Inventor： 丁世飞 ,  侯艳路

IPC: G06K9/00 ,  G06K9/66 ,  G06N3/04 ,  G06N3/06

CPC classification number: G06K9/00402 ,  G06K9/66 ,  G06N3/04 ,  G06N3/061

Abstract: 本发明一种基于深度学习的手写体数字识别方法及系统，通过构建带有标签的手写体数字图片作为样本集对卷积神经网络进行训练，将训练好的卷积神经网络保存，将待识别图片作为输入，根据输出向量得到识别结果。通过卷积神经网络识别手写数字图像，避免了显示的特征提取，直接将图片作为网络的输入，识别准确率很高；且网络一经训练即可反复使用，处理效率高；训练时间短。