[发明专利]基于多特征融合和深度学习网络提取的手写数字识别方法

摘要

本发明公开了基于多特征融合和深度学习网络提取的手写数字识别方法。该方法包括读入手写数字的图像数据，对数据进行向量化预处理；对处理后的数据采用主成分分析（PCA）技术和方向梯度直方图（HOG）技术进行多特征融合，构造浅层复合特征；对多特征融合后的数据采用深度栈式稀疏自编码（SAE）的模型进行二次特征提取，构造深度学习网络，对浅层复合特征进行高层、深度学习和加工；采用Softmax分类器测试分类效果。本发明采用多特征融合的方法，融合PCA技术和HOG技术，构造出浅层复合特征，再采用SAE模型进行二次特征提取，构造深度学习网络，得到更简洁高效的特征样本，最后Softmax分类器测试分类效果，能将手写数字的识别准确率提高至99.2%。

主权项

基于多特征融合和深度学习网络提取的手写数字识别方法，其特征在于包括如下步骤：步骤1：读入手写数字的图像数据，对数据进行向量化预处理；步骤2：对上一步骤的输出数据采用主成分分析(PCA)技术和方向梯度直方图(HOG)技术进行多特征融合，构造浅层复合特征；步骤3：对多特征融合后的数据采用深度栈式稀疏自编码(SAE)的模型进行二次特征提取，构造深度学习网络，对浅层复合特征进行高层、深度学习和加工；步骤4：采用Softmax分类器分类并将分类结果进行显示，该过程即实现了对手写数字的识别。