一种改进的Adaboost-BP算法在手写数字识别中的研究

›› 2019, Vol. 4 ›› Issue (6): 5-9.

一种改进的Adaboost-BP算法在手写数字识别中的研究

（1.楚雄师范学院网络与信息系统研究所，云南楚雄 675000；2.楚雄师范学院信息科学与技术学院，云南楚雄 675000；3.楚雄师范学院经济与管理学院，云南楚雄 675000）

收稿日期:2018-10-31 出版日期:2019-06-15 发布日期:2019-06-15
作者简介:叶晓波，副教授，主要从事模式识别、现代教育技术研究.
基金资助:
云南省教育厅科学研究基金资助项目（2012Y131）

ResearchonanImprovedAdaboost-BPAlgorithminHandwrittenDigitRecognition

（1.InstituteofNetwork&InformationSystems,ChuxiongNormalUniversity,Chuxiong,Yunnan 675000,China;2.Schoolof InformationSciences&Technology,ChuxiongNormalUniversity,Chuxiong,Yunnan675000,China;3.SchoolofEconomics& Management,ChuxiongNormalUniversity,Chuxiong,Yunnan675000,China）

Received:2018-10-31 Online:2019-06-15 Published:2019-06-15

摘要/Abstract

摘要： 为了提高神经网络对手写数字的识别率，基于Adaboost思想改进Adaboost-BP二分类算法，实现用于多分类的 Adaboost-BP算法，提高了神经网络对手写数字的识别率。改进了“弱”分类器权重值的计算公式，将权重值归一化处理的步骤放到“弱”分类器迭代训练完成之后， “强”分类器的构成不使用符号函数而是直接计算分类结果。实验数据采用 MNIST手写数据库，实验结果显示改进的Adaboost-BP算法构造出的“强”分类器分类结果正确率明显高于“弱”分类器。改进的Adaboost-BP算法可明显提高手写数字识别正确率。

关键词: Adaboost-BP算法, 手写数字, MNIST

Abstract: Inordertoimprovetherecognitionrateofhandwrittendigitsbyneuralnetwork,theAdaboost-BPbinaryclassification algorithmisimprovedbasedontheideaofAdaboost,andtheAdaboost-BPalgorithmformulti-classificationisrealized,which improvestherecognitionrateofhandwrittendigitsbyneuralnetwork.Inthispaper,thecalculationformulaoftheweightvalueofthe "weak"classifierisimproved.Thestepofnormalizingtheweightvalueisputaftertheiterativetrainingofthe"weak"classifier,and thecompositionofthe"strong"classifieriscalculatedwithoutusingthesymbolfunctionbutdirectlycomputestheclassification results.TheexperimentaldataisbasedonMNISThandwrittendatabase.Theexperimentalresultsshowthatthecorrectrateofthe "strong"classifierconstructedbytheimprovedAdaboost-BPalgorithmisobviouslyhigherthanthatofthe"weak"classifier.The improvedAdaboost-BPalgorithmcanobviouslyimprovetheaccuracyofhandwrittendigitrecognition.

Key words: Adaboost-BPalgorithm, handwrittendigit, MNIST

中图分类号:

TP183

叶晓波1，秦海菲2，吕永林3 . 一种改进的Adaboost-BP算法在手写数字识别中的研究 [J]. , 2019, 4(6): 5-9.

YeXiaobo1,QinHaifei2,LyuYonglin3 . ResearchonanImprovedAdaboost-BPAlgorithminHandwrittenDigitRecognition [J]. , 2019, 4(6): 5-9.

[1]	陈江丽. Ward系统聚类法在农村居民收入情况分析中的应用研究[J]. J4, 2015, 14(6): 28-32.
[2]	陈江丽，张嵘. 基于BP神经网络的教材质量评价研究[J]. J4, 2014, 13(12): 31-34.