论文部分内容阅读
针对仪表液晶显示字符识别问题,提出一种结合了卷积神经网络(CNN)和支持向量机(SVM)的字符识别方法。分别采用具有并联结构的CNN模型和基于梯度方向直方图(HOG)特征的SVM方法构建基本分类器,当2个分类器的结果存在冲突时,利用CNN的softmax输出最大值判决最终结果,当其大于设定阈值时采用CNN分类器的结果,反之采用SVM分类器的结果。建立字符图像的误差模型并利用仿真方法构建了数据集用于分类器的训练和测试,给出一种基于投票原理的最优阈值的估计算法。在MNIST和仿真数据集上的测试实验结果表