共查询到16条相似文献,搜索用时 62 毫秒
1.
一种基于支持向量机的车牌字符识别方法 总被引:1,自引:0,他引:1
迟晓君 《信息技术与信息化》2007,26(6):103-106
针对车牌字符图像受客观条件影响较大、样本数量不是很大、分类识别相对容易等实际情况。提出了一种对经过预处理的车牌字符图像采用SVM算法进行识别的方法。该方法将图像数据转变为文本数据作为输入样本,方法简单快速,克服了提取图像特征过程中过分依赖字符结构和图像质量的不足。并通过使用参数归整、交叉校验、选择适当的核函数等方法寻求最优参数.避免欠学习、过学习问题的产生。通过使用高速公路收费口的实拍汽车图像进行实验,验证了算法的有效性。 相似文献
2.
采用图像处理技术,提出了一种基于核主成分分析(KPCA)与支持向量机(SVM)的鱼年龄自动识别新方法。首先通过KPCA提取鱼的耳石图像的主元,然后用SVM对鱼的年龄进行学习、识别和预测。实验表明,该方法取得了较好的效果。 相似文献
3.
现有的入侵检测算法存在小样本情况下泛化能力差的问题。提出了利用核主成分分析和支持向量机结合进行入侵检测的方法。与传统算法相比,该方法对网络异常连接有很高的检测率、更强的泛化能力和更快的处理时间。最后在KDD CUP99数据集上进行的实验,证明了方法的适用性和高效性。 相似文献
4.
基于主成分分析的支持向量机回归预测模型 总被引:2,自引:0,他引:2
首先利用主成分分析法降低样本数据的维数,建立主成分的多元回归预测模型,其次利用支持向量机方法确定回归模型的系数,最后实例说明了该模型具有较高预测精度. 相似文献
5.
用于车牌字符识别的SVM算法 总被引:5,自引:0,他引:5
支持向量机(SVM)是20世纪90年代初由Vapnik等人提出的一类新型机器学习方法,此方法能够在训练样本很少的情况下达到很好的分类推广能力。本文应用SVM算法时车牌中的汉字字符进行识别,无字符特征提取提高了识别速度,并且可得到较高的识别率。实验讨论了SVM算法用于字符识别时,不同的核函数时识别率的影响。实验结果表明,用SVM算法进行车牌字符识别具有较高的识别率。 相似文献
6.
眼睛注视是人类传播信息的一个重要的媒介,实现对人眼注视与否的探知已经成为人机交互领域中一个亟需解决的问题。针对这个问题,首先采用主成分分析方法对人眼图像进行预处理,得到有利于人眼分类的一组低维特征系数,然后采用基于统计学习理论的支持向量机网络实现对人眼注视与否的判断,并通过大量的实验得出适合于人眼注视与否的最佳主成分特征维数。实验表明,在有限个样本的训练下,当PCA特征维数在18至23之间时,能够得到令人满意的结果,正确识别率均在9l%之上,而特征维数为20时,测试样本被正确识别的比率最高,可达98.78%。 相似文献
7.
车牌识别技术是智能交通系统中的重要组成部分,而字符识别是其关键环节,采用支持向量机(SVM)分类方法能够在训练样本较少的情况下达到很好的分类推广能力。根据车牌特征将车牌字符分为四类,用提取的特征训练SVM分类器,采用交叉验证的方法选择最优化参数。实验结果表明,该方法具有较高的识别率。 相似文献
8.
9.
10.
11.
12.
13.
基于改进BP神经网络的车牌字符识别 总被引:1,自引:0,他引:1
王智文 《微电子学与计算机》2011,28(9):66-69
在分析了BP网络学习算法的缺陷的基础上引入动量项和遗传算法对BP网络学习算法进行改进,大大提高了BP网络的收敛速度.对车牌字符图像进行分割并利用sobel算子进行边缘检测来提取字符特征.然后利用改进的BP网络来自动识别车牌字符,提高了识别的速度和正确率. 相似文献
14.
提出了一种用于车牌识别的快速字符识别算法。首先利用半积分投影把大小为W×H的二值化字符图像转化为长度为2(W×H)的一维信号,保留了用于图像识别的关键特征,降低了后续算法的复杂度。然后将投影得到的数据进行离散Harr小波变换,抽取第二层小波变换后的低频系数并送入支持向量机进行训练识别。实验结果表明,所提算法可以使车牌字符的总识别率达到97.60%,平均识别时间为16.2ms,有效地提高了识别速度和精度。 相似文献
15.
基于SVM的车牌字符分割和识别方法 总被引:6,自引:1,他引:6
文章研究了车牌识别系统中的字符分割和识别技术.提出一种投影法粗分割结合先验知识后处理的字符分割方法,该方法简单、容易实现,取得了很好的分割效果.对于字符识别,本文采用SVM(Support Vector Ma-chine)方法,并根据车牌字符特征将子分类器分为四组,提高了识别率、缩短了训练时间,实验表明,用该方法识别车牌字符具有较高的识别率和识别速度,并避免了神经网络局部极值等问题. 相似文献
16.
车牌汉字识别是车牌字符识别中的难点,文章通过对二维Gabor小波特征以及支持向量机(Support vector machine,SVM)分类器进行详细的分析,采用二维奇对称Gabor小波作字符特征滤波函数,并通过基于ν-SVM的多类分类器对数据进行训练及分类,设计了一种能够应用于实际系统的汉字字符识别方法。 相似文献