基于增强CNN模型的手写字体图像识别

为了提高汉字的识别率,提出了一种改进的图像识别算法,根据偏微分方程理论,提出一种增强CNN模型识别汉字,将原有的图像用高阶差分法进行增强处理,然后在原始的LeNet-5网络结构的基础上,将前两层的激活函数改为ReLu函数,并且去掉C5层以及F6层,通过增加输出层的神经元数来增加汉字的识别率。研究结果表明:经过图像增强和增加输出神经元数的改进,对汉字进行识别,识别率达到了98.44%,相比较于其他汉字识别算法提高了3%～9%,从而证明了算法的可行性。     

美军标87268、87269和S1000D比较研究

本文详细比较了美军标87268、87269和欧洲S1000D标准的差异，并在实践的基础之上，比较了国内常见的基于两种标准的开发平台之间的差异，对创作IETM提出了合理化的建议，对IETM研发人员有一定的指导和借鉴意义。