论文笔记《A novel hybrid CNN–SVM classifier for recognizing handwritten digits》
2015-06-23 15:03
369 查看
一,动机
手写字体识别已经被研究好多了,最好的识别率为99.65%,是用一个六层的网络结构。但是以往只是关注它的识别率,而不是可靠性,这篇论文着重关注它的可靠性。二,结构
先分别介绍SVM,CNN原理,再介绍CNN—SVM混合模型1,用libsvm构建SVMs,
2,CNN用的是图1的结构,图2是本论文混合模型的结构
3,The SVM takes the outputs from the hidden layer as a new feature vector for training.
取值:N1=25,N2=50,N3=100,
4,优点分析
1),CNN泛化能力不好,SVM来补充。
2),CNN将节点的输出值两极化,一个接近+1,其余的接近-1,而SVM是估算每一类样本的概率值,更可靠,评价机制更有效。
3),CNN提取一些细节等更为丰富的不变性特征。
三,实验
通过一些distortion techniques来扩充样本数量,经过调试选取参数delta=2的-11次方,C=128.训练错误率0.11%,测试错误率0.19%结果对比
四,结果分析
1,错误样本:主要是这两对‘‘4–9’’and‘‘5–3’’相似,另外其他的书写不清等,人本身就很难识别。2,可靠性分析
依赖于概率信息
另
训练时间比CNN单独训练要长,因为它包括单独训练CNN和SVM
相关文章推荐
- PHP 获取IP 并根据IP获取 城市省份等信息
- JAVA菜鸟入门(18) Set的Iterator
- 英语词典设计
- IOS键盘的相关设置(UITextfield)
- JavaScript学习笔记(对象)
- 苹果手机怎么追踪定位
- 深度解析iOS应用程序的生命周期
- GDI+的最初配置(VS2010)
- Android动态设置TextView的文本格式
- MyEclipse卡死解决
- bzoj1013 [JSOI2008]球形空间产生器sphere
- SeaJS入门
- BZOJ3029 花神的数论题
- 国内外DNS服务器地址列表
- myBatis级联一对一,一对多及批量操作
- window.location.href的用法
- Linux下的压缩解压缩命令详解
- C# DataTable详细用法
- Canvas实现图片放大缩小移动操作
- 第一天(为自己的三十岁做准备)