《表3 本文方法与其它方法实验结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《卷积神经网络在手写字符识别中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为进一步验证模型的有效性，本文将提出的方法与近几年手写字符识别的方法进行对比试验，实验结果如表3所示。文献[18]表明通过减少全连接层参数可以提高识别准确率到99.29%，文献[19]通过在隐藏层设置SVM辅助分类器提高学习过程，使识别准确率达到了99.61%，文献[20]通过一种融合卷积神经网络使识别准确率为99.10%，文献[21]通过基于PCA及k-邻近算法识别准确率为94%，文献[22]在TensorFlow平台使用CNN卷积神经网络使识别准确率达到99.36%，文献[23]基于深度残差网络识别准确率为99.45%。而本文方法识别准确率明显高于其它文献所提方法，极大降低了手写数字分类错误率。