电子科技
電子科技
전자과기
IT AGE
2006年
10期
59-61,67
,共4页
支持向量机(SVM)%核主成分分析(KPCA)车牌字符识别
支持嚮量機(SVM)%覈主成分分析(KPCA)車牌字符識彆
지지향량궤(SVM)%핵주성분분석(KPCA)차패자부식별
给出了一种结合核主成分分析(KPCA)和支持向量机(SVM)进行车牌字符识别的新方法.该算法通过KPCA进行字符的特征提取,并利用SVM分类器完成字符的识别.实验证明,KPCA在高维空间具有较强的特征选择能力,SVM的识别率也明显高于BP神经网络.
給齣瞭一種結閤覈主成分分析(KPCA)和支持嚮量機(SVM)進行車牌字符識彆的新方法.該算法通過KPCA進行字符的特徵提取,併利用SVM分類器完成字符的識彆.實驗證明,KPCA在高維空間具有較彊的特徵選擇能力,SVM的識彆率也明顯高于BP神經網絡.
급출료일충결합핵주성분분석(KPCA)화지지향량궤(SVM)진행차패자부식별적신방법.해산법통과KPCA진행자부적특정제취,병이용SVM분류기완성자부적식별.실험증명,KPCA재고유공간구유교강적특정선택능력,SVM적식별솔야명현고우BP신경망락.
