李大华，王宇，高强，于晓

（天津理工大学电气电子工程学院，复杂系统控制理论与应用重点实验室，天津300384）

随着国家“科技强检”战略的实行，分类卷宗材料这种繁杂的工作无疑成为检务人员的负担，于是利用计算机识别文件表面的数字编号来对材料进行分类能提高检务人员的工作效率，同时也能减少由于人工可能导致的失误。由于传统的识别算法在支票、报表、卷宗材料等文件的识别中，识别精度和准确率都有所影响，提出一种基于改进LeNet-5网络的手写文字识别网络，通过对LeNet-5网络各层数据处理之前做一个归一化处理，来提高网络的训练速度，提升网络的学习率。从MNIST手写数字数据集中随机选取3000个训练样本，500个验证样本进行训练，实验证明，改进LeNet-5网络不仅能实现了对手写数字0-9的准确识别，并且相比于传统的LeNet-5网络，在训练数据较少的情况下，识别率也有提升。

手写数字；神经网络；LeNet-5；MNIST

0 引言

随着国家“科技强检”战略的实行，智慧检务平台的构建成为实施该战略的重要步骤。在构建智慧检务平台的过程中，需要将纸面材料上传到计算机进行保存，然后利用计算机的快速计算能力来对已有的卷宗材料进行相应的处理。在计算机保存材料的过程中，需要对材料进行分类整理，但由于有些材料保存时间太长以及经常查阅等原因，会出现材料误放、顺序错乱等问题，导致后期利用计算机进行类似案件分析会不方便。在保存的卷宗材料上面，通常会通过数字来进行编号排序，利用计算机对编号进行识别，不仅可以节省大量时间，还能减少由于人工失误导致的分类错误等问题。……