[发明专利]基于卷积神经网络和支持向量机的手写数字识别方法

摘要

本发明请求保护一种基于卷积神经网络和支持向量机的手写数字识别方法，该方法将卷积神经网络模型和支持向量机模型进行有机结合。结合卷积神经网络和支持向量机的手写数字识别模型能深度地描述样本数据和期望数据的相关性，能从原始的数据中自动地学习图像特征，具有很好的决策平面，对数字模式分类的区分能力很强。本发明简单且易于实现，手写数字识别效果很好。

主权项

一种基于卷积神经网络和支持向量机的手写数字识别方法，其特征在于，包括以下步骤：步骤1：采集手写数字图像作为样本，生成训练数据和测试数据，初始化卷积神经网络；步骤2：将训练数据均匀分批输入卷积神经网络中，训练数据分别经过卷积层、降采样层、卷积层、降采样层、多层感知器，完成前向传播；步骤3：对步骤2中多层感知器进行误差计算和梯度计算，并判断误差是否收敛；若是，则跳转至步骤5，否则跳转至步骤4；步骤4：将步骤3中得到的误差和梯度用反向传播算法，经过降采样层、卷积层、降采样层、卷积层、输入层逐层传播，并且逐层更新网络的权重，判断是否为输入层，若是则跳转至步骤2，否则重复步骤4；提取出特征数据；步骤5：将通过步骤4的卷积神经网络模型训练提取的特征数据传到支持向量机中进行训练，建立手写字符识别训练模型；步骤6：将卷积神经网络提取的测试特征数据输入支持向量机，最终，得到准确的识别结果。