-
题名改进卷积神经网络的手写试卷分数识别方法
被引量：11
- 1
-
-
作者
仝梦园
金守峰
陈阳
李毅
尹加杰
-
机构
西安工程大学机电工程学院/西安市现代智能纺织装备重点实验室
-
出处
《西安工程大学学报》
CAS
2020年第4期80-85,共6页
-
基金
陕西省科技计划项目(2020GY-172)
西安市科技局创新引导项目(201805030YD8CG14(5))
西安市现代智能纺织装备重点实验室项目(2019220614SYS021CG043)。
-
文摘
针对手写试卷分数识别中存在耗时长、错误率高的问题,提出了改进卷积神经网络(convolution neutral network,CNN)算法的手写试卷识别方法。为简化识别分数的类别,对手写试卷分数栏进行分割处理得到0~9共10类数字。为提高手写分数识别的效率,提出卷积神经网络融合贝叶斯的分类识别算法,利用构建的卷积神经网络模型提取手写数字的特征,采用主成分分析(principal component analysis,PCA)算法对特征降维,通过贝叶斯分类器对0~9的10类数字进行判别分类,在Mnist数据库中验证该算法的准确性与效率。建立试卷分数求和模型,在手写试卷分数识别后进行自动求和。实验结果表明:对3门课程的1188份试卷手写分数的识别,相对于其他算法,该方法的识别率为98.23%,平均每份试卷识别时间为7.5 s,证明了算法的实用性。
-
关键词
分数统计
数字识别
卷积神经网络
主成分分析
贝叶斯分类器
深度学习
-
Keywords
score statistics
number recognition
convolution neutral network(cnn)
principal component analysis(PCA)
Bayes classifier
deep learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
