%0 Journal Article %A 樊文鑫 %A 韩梦云 %A 郑延斌 %T 基于二维主成分分析与卷积神经网络的手写体汉字识别 %D 2020 %R 10.11772/j.issn.1001-9081.2020010081 %J 计算机应用 %P 2465-2471 %V 40 %N 8 %X 随着计算能力的飞速增长、训练数据的不断积累以及非线性激活函数的不断完善,卷积神经网络(CNN)在手写体汉字识别中表现出较好的识别性能。针对CNN识别手写体汉字识别速度慢的问题,将二维主成分分析(2DPCA)与CNN相结合识别手写体汉字。首先,利用2DPCA提取手写体汉字的投影特征向量;然后,将得到的投影特征向量组成特征矩阵;其次,用组成的特征矩阵作为CNN的输入;最后,用Softmax函数进行分类。与基于AlexNet的CNN模型相比,所提方法的运行时间降低了78%,与基于ACNN与DCNN的模型相比,所提方法的运行时间分别降低了80%与73%。实验结果表明,该方法在不降低识别精度的同时,可以减少识别手写体汉字的运行时间。 %U http://www.joca.cn/CN/10.11772/j.issn.1001-9081.2020010081