基于神經(jīng)網(wǎng)絡(luò)在高考英語(yǔ)口語(yǔ)成績(jī)采集中的應(yīng)用

李東升

摘要：基于神經(jīng)網(wǎng)路方法實(shí)現(xiàn)高考英語(yǔ)口語(yǔ)成績(jī)的采集，實(shí)現(xiàn)口語(yǔ)成績(jī)等級(jí)手寫體的識(shí)別，提高在英語(yǔ)口語(yǔ)成績(jī)處理的效率，實(shí)現(xiàn)口語(yǔ)成績(jī)的自動(dòng)采集。目前該方案應(yīng)用于蘇州市高考英語(yǔ)口語(yǔ)成績(jī)采集。

關(guān)鍵詞：成績(jī)采集；模式識(shí)別；神經(jīng)網(wǎng)絡(luò)；特征提取

中圖分類號(hào)：G80 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）03-0069-01

對(duì)于未實(shí)行高考口語(yǔ)人機(jī)對(duì)話的省市，高考口語(yǔ)還是采用打分模式。然后人工采集，為解決這一問(wèn)題，通過(guò)識(shí)別手寫評(píng)分和OCR識(shí)別結(jié)果比對(duì)確保成績(jī)采集的準(zhǔn)確。而神經(jīng)網(wǎng)絡(luò)很適合用于解決字符識(shí)別問(wèn)題。

1 BP神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是在人類對(duì)其大腦神經(jīng)網(wǎng)絡(luò)認(rèn)識(shí)理解的基礎(chǔ)上人工構(gòu)造的能實(shí)現(xiàn)某種功能的神經(jīng)網(wǎng)絡(luò)，是一種典型的前饋神經(jīng)網(wǎng)絡(luò)，包含輸入層、隱層及輸出層。

BP網(wǎng)絡(luò)是典型的多層網(wǎng)絡(luò)，分輸入層、隱含層和輸出層，算法由數(shù)據(jù)流的前向計(jì)算和誤差信號(hào)的反向傳播兩個(gè)過(guò)程構(gòu)成。通過(guò)這兩個(gè)過(guò)程的交替進(jìn)行，在權(quán)向量空間執(zhí)行誤差函數(shù)梯度下降策略，動(dòng)態(tài)迭代搜索一組權(quán)向量，使網(wǎng)絡(luò)誤差函數(shù)達(dá)到最小值，從而完成信息提取和記憶過(guò)程[1]。

2 基于神經(jīng)網(wǎng)絡(luò)的英語(yǔ)口語(yǔ)成績(jī)采集的實(shí)現(xiàn)

為實(shí)現(xiàn)更好的采集，需要設(shè)計(jì)適應(yīng)識(shí)別的評(píng)分表，其中定位點(diǎn)、考生條碼用于定位到考生并采集成績(jī)，等級(jí)手寫的分區(qū)需要通過(guò)神經(jīng)網(wǎng)絡(luò)識(shí)別等級(jí)，OCR等級(jí)識(shí)別區(qū)用采集等級(jí)并通過(guò)神經(jīng)網(wǎng)絡(luò)采集的等級(jí)進(jìn)行比較。

2.1 采集過(guò)程

首先預(yù)處理圖像獲取樣本進(jìn)行訓(xùn)練，輸入神經(jīng)網(wǎng)絡(luò)訓(xùn)練后輸出看誤差并調(diào)整各階層的權(quán)值讓輸出同OCR值一致，正式識(shí)別兩種模式結(jié)果不一致需要人工干預(yù)，有可能等級(jí)打錯(cuò)也有可能等級(jí)涂錯(cuò)，然后修正結(jié)果，確保等級(jí)信息準(zhǔn)確無(wú)誤。

2.2 圖像預(yù)處理

原始評(píng)分表的輸入有可能產(chǎn)生污點(diǎn)等噪音。所以在識(shí)別之前必須對(duì)圖像進(jìn)行預(yù)處理。預(yù)處理一般包括圖像分割、灰度、二值化、平滑、去噪音、歸一化和細(xì)化等。不同識(shí)別方法對(duì)于處理要求不一樣預(yù)處理后離散和噪聲和歸一化和細(xì)化處理，將圖片形成一個(gè)40 ×40 像素點(diǎn)陣（圖1得分區(qū)圖像預(yù)處理后圖像）。

2.3 神經(jīng)網(wǎng)絡(luò)的特征提取

在手寫等級(jí)識(shí)別中，特征的選擇是非常關(guān)鍵問(wèn)題。將經(jīng)過(guò)預(yù)處理后的等級(jí)數(shù)字圖像中提取最能體現(xiàn)這個(gè)字符特點(diǎn)的特征向量，然后提取出訓(xùn)練樣本中的特征向量代入BP網(wǎng)絡(luò)之中就可以對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，提取出待識(shí)別的等級(jí)樣本中的特征向量代入訓(xùn)練好的BP網(wǎng)絡(luò)中，就可以對(duì)等級(jí)得分字符進(jìn)行識(shí)別。

2.3.1 英語(yǔ)口語(yǔ)成績(jī)采集中BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

將A、B、C、D等級(jí)圖像的特征向量作為神經(jīng)網(wǎng)路的輸入，確定輸入神經(jīng)元。經(jīng)過(guò)預(yù)處理的為40×40的矩陣，共1600各輸入神經(jīng)元。輸出較為簡(jiǎn)單，只要識(shí)別A、B、C、D4個(gè)等級(jí)，輸出節(jié)點(diǎn)數(shù)為4。為加快神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速度，3層BP網(wǎng)絡(luò)最為恰當(dāng)效率高。同時(shí)根據(jù)網(wǎng)絡(luò)收斂性能的好壞來(lái)確定隱含層神經(jīng)元個(gè)數(shù)。根據(jù)經(jīng)驗(yàn)公式：

s=

其中，n為輸入層神經(jīng)元個(gè)數(shù)，m為輸出層神經(jīng)元個(gè)數(shù)[2]。計(jì)算可得隱含層神經(jīng)元個(gè)數(shù)為79。

2.3.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

手寫字符歸一化和細(xì)化后的圖像為40 ×40 的布爾矩陣，1600個(gè)元素組成一個(gè)手寫字符的列矩陣，即字符的特征向量。由A、B、C、D這4個(gè)字符的特征列向量組成一個(gè)1600×4的輸入矢量，訓(xùn)練次數(shù)達(dá)到最大值神經(jīng)網(wǎng)絡(luò)訓(xùn)練就結(jié)束。

2.3.3 口語(yǔ)等級(jí)識(shí)別等分結(jié)果

字符識(shí)別的正確率和拒識(shí)率與字符識(shí)別的判斷值有關(guān)，判斷值越高，識(shí)別的正確率就高。為確保成績(jī)錄取100%正確，通過(guò)識(shí)別和OCR識(shí)別比較，不同再通過(guò)人工識(shí)別錄入確保準(zhǔn)確（圖2成績(jī)自動(dòng)識(shí)別等分）。

神經(jīng)網(wǎng)絡(luò)在口語(yǔ)成績(jī)登分中的應(yīng)用過(guò)程中大大減輕勞動(dòng)強(qiáng)度，提高準(zhǔn)確率，通過(guò)多重比對(duì)確保成績(jī)錄入準(zhǔn)確，經(jīng)過(guò)實(shí)踐應(yīng)用和比對(duì)成績(jī)登分準(zhǔn)確率100%，完全可以滿足實(shí)際需要。

參考文獻(xiàn)

[1]蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論.高等教育出版社出版，2001（5）：26-88.

[2]杜選，高明峰.人工神經(jīng)網(wǎng)絡(luò)在數(shù)字識(shí)別中的應(yīng)用.計(jì)算機(jī)系統(tǒng)應(yīng)用，2007（2）：21-22+27.