李兰英 周志刚 陈德运

摘 要：针对脱机手写汉字形近字多，提取特征难，识别不准的问题，提出了一种卷积神经网络和深度信念网络的融合模型。首先在数据集上分别训练卷积神经网络和深度信念网络，发现二者的综合TOP-2准确率可达到99.33%。利用卷积神经网络和深度信念网络在图像分析中各自的优势，采用了一种融合比较策略，在两者的TOP-2分类中尽可能准确地取出一个分类结果以提高识别的能力。实验结果表明：卷积神经网络和深度信念网络的融合模型比单独使用卷积神经网络和深度信念网络具有更好的识别效果。

关键词：卷积神经网络;深度信念网络;脱机手写汉字

DOI：10.15938/j.jhust.2020.03.021

中图分类号： TP391.4

文献标志码： A

文章编号： 1007-2683（2020）03-0137-07

Abstract：Aiming at the problem that some offline handwritten Chinese characters are similar in shape and it is difficult to extract the feature of characters and the recognition is not accurate， a convolutional neural network and deep belief network fusion model is proposed. Firstly， the convolutional neural network and the deep belief network are trained on the dataset respectively. It is found that the comprehensive TOP-2 accuracy of the both can reach 99.33%. Using the advantages of convolutional neural networks and deep belief networks in image analysis， a fusion comparison strategy is adopted to extract a classification result as accurately as possible in the TOP-2 classification of the two to improve the recognition ability. The experimental results show that the fusion model of convolutional neural network and deep belief network has better recognition effect than convolutional neural network and deep belief network.

Keywords：convolutional neural network; deep belief network; offline handwritten chinese character

0 引 言

手寫汉字在试卷、邮件封皮、银行票据等方面都有广泛的应用[1]。实现手写汉字识别，可以进行机器阅卷，邮件自动分拣，票据识别等，极大地方便工作和生活。但是，由于汉字类别繁多、字形结构复杂，存在大量的相似汉字，手写汉字更是因人而异，千差万别，导致手写汉字识别困难，故手写汉字识别一直是研究难点和热点[2][3]。目前手写体汉字识别可分为脱机识别和联机识别两种。联机字符识别是指利用手写板或电子触摸屏书写，计算机根据书写汉字的笔画走向、书写速度、笔画顺序和总数等多种参考信息进行识别，信息涵盖内容丰富，具有一定的追溯性和连续性，识别相对容易，准确度也较高[4]。脱机字符识别没有联机字符识别的多种信息，仅依靠静止的二维图像信息来提取图像特征，故识别更加困难和复杂，准确度较难提高[5]。……