10.3969/j.issn.1006-8961.2004.11.006
构造性核覆盖算法在图像识别中的应用
构造性神经网络的主要特点是:在对给定的具体数据的处理过程中,能同时给出网络的结构和参数;支持向量机就是先通过引入核函数的非线性变换,然后在这个核空间中求取最优线性分类面,其所求得的分类函数,形式上类似于一个神经网络,而构造性核覆盖算法(简称为CKCA)则是一种将神经网络中的构造性学习方法(如覆盖算法)与支持向量机(SVM)中的核函数法相结合的方法.CKCA方法具有运算量小、构造性强、直观等特点,适于处理大规模分类问题和图像识别问题.为验证CKCA算法的应用效果,利用图像质量不高的车牌字符进行了识别实验,并取得了较好的结果.
构造性、覆盖算法、核函数、车牌识别、支持向量机
9
TP391.41(计算技术、计算机技术)
国家自然科学基金60175018;安徽省教育厅自然科学基金2003kj007
2005-02-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
1304-1308