支持向量机在车牌字符识别中的应用

摘要：

支持向量机(SVM)是由Vapnik等人提出的一类新型机器学习方法.该文在字符特征提取基础上,应用SVM算法对车牌中的英文字符进行识别,克服了一般的SVM算法识别数字位图时缺乏对相邻空间像素相关性考虑的不足,在满足实时性的条件下获得高识别率.通过与基于字符特征的BP网络识别方案相比较表明,该方案性能远优于神经网络的性能,可很好地解决神经网络方法中无法避免的局部极值问题.实验讨论了在应用SVM算法对字符进行识别时,核函数K和惩罚因子C的选择对识别率的影响问题.

关键词：支持向量机(SVM)、车牌字符识别、特征提取、BP网络、核函数、惩罚因子

所属期刊栏目：29

分类号：TP391.43(计算技术、计算机技术)

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：192-194