关键词：卷积神经网络 多尺度特征 手写数字识别数据集 全局特征 局部特征 

摘要：在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图像的多尺度特征.然后,将多尺度特征送入全连接网络和SoftMax分类器,实现手写数字图像识别.最后,通过对不同网络结构的CNN算法进行评估表明,本文提出的算法可以有效提高网络精度,具有较好的泛化能力.

绵阳师范学院学报杂志要求:

{1}关键词一般是名词性的词或词组，关键词应尽量从国家标准《汉语主题词表》中选用。

{2}来稿务必内容新颖，论点明确，论据可靠，文字精练，无保密内容。

{3}标题不超过15个汉字（可加副标题）。

{4}参考文献按出现的次序列在文末，并在文中对应位置以右上角方括弧中的数字表示。详细参考文献格式，见往期杂志。

{5}注释：注解性内容分附注、脚注和夹注。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社