| 构造性核覆盖算法在图像识别中的应用 |
| |
| 作者姓名： | 张燕平 张铃 段震 |
| |
| 作者单位： | 安徽大学计算智能与信号处理实验室,安徽大学计算智能与信号处理实验室,安徽大学计算智能与信号处理实验室 合肥230039,安徽大学人工智能研究所,合肥230039,合肥230039,安徽大学人工智能研究所,合肥230039,合肥230039,安徽大学人工智能研究所,合肥230039 |
| |
| 基金项目： | 国家自然科学基金资助项目 ( 60 175 0 18),安徽省教育厅自然科学研究项目 ( 2 0 0 3 kj0 0 7) |
| |
| 摘 要： | 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。
|
| 关 键 词： | 图像识别 覆盖算法 神经网络 体数据 核函数 支持向量机（SVM） 字符 构造性 类似 核空间 |
| 文章编号： | 1006-8961(2004)11-1304-05 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
