典型文献
基于PSO-CNN的验证码识别算法研究
文献摘要：
伴随着互联网的高速发展,非法用户恶意攻击网站、恶意注册、暴力破解用户密码等事件也随之而来.为了解决这些网络安全问题,作为网络安全第一道防线的验证码技术应运而生.但在实现自动登录合同管理系统的过程中,验证码自动化识别一直是个技术难点,验证码自动化识别准确率直接影响了业务处理效率,故此提出了一种基于PSO-CNN的验证码识别方案.针对一万张验证码图片的数据集进行灰度化、二值化以及降噪三步数据预处理之后,通过PSO优化算法在卷积神经网络训练数据集的过程中找出最佳的网络层数和卷积核大小.经过反复的实验,结果表明基于PSO-CNN的验证码识别算法对数字与字母混合验证码识别准确率可达96.26％,为合同管理系统实现自动登录提供了可靠的技术支持.
文献关键词：
粒子群优化算法;卷积神经网络;验证码;数据预处理;Tesseract
中图分类号：
作者姓名：
李建平;王钊
作者机构：
东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318
文献出处：
引用格式：
[1]李建平;王钊-.基于PSO-CNN的验证码识别算法研究)[J].计算机技术与发展,2022(09):51-55
A类：
一万张
B类：
PSO,验证码,识别算法,算法研究,恶意攻击,恶意注册,暴力破解,随之而来,网络安全问题,安全第一,第一道,防线,登录,合同管理系统,自动化识别,技术难点,识别准确率,率直,处理效率,故此,灰度化,二值化,降噪,三步,步数,数据预处理,神经网络训练,训练数据集,网络层,层数,卷积核,字母,系统实现,粒子群优化算法,Tesseract
AB值：
0.349834
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
