《表3 本文方法与其它方法实验结果对比》
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。
图表编号 | XD00122262100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.15 |
作者 | 丁蒙、戴曙光、于恒 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |