10.3969/j.issn.1000-7024.2007.16.050
字符识别中支持向量机抑制噪声能力的分析
Vapnik等学者首先提出了实现统计学习理论中结构风险最小化原则的实用算法--支持向量机,成功地解决了模式分类问题.支持向量机是目前车牌识别领域常用的算法之一,但由于实际获取的车牌图像往往存在大量的噪声干扰,大大影响了识别率.因此着眼于研究支持向量机对含噪声图片的识别效果,以字符识别为例进行分析,并与BP神经网络算法作对比,实验证明支持向量机具有较好的抑制噪声能力.
支持向量机、BP神经网络、识别率、噪声、字符识别
28
TP391.41(计算技术、计算机技术)
天津市科技发展基金0431095lR
2007-10-12(万方平台首次上网日期,不代表论文的发表时间)
共3页
3963-3964,封3