微计算机信息
微計算機信息
미계산궤신식
CONTROL & AUTOMATION
2009年
25期
26-27,9
,共3页
戴士杰%高章迎%常淑英%任刚%肖淑梅
戴士傑%高章迎%常淑英%任剛%肖淑梅
대사걸%고장영%상숙영%임강%초숙매
支持向量机:字符识别%BP神经网络
支持嚮量機:字符識彆%BP神經網絡
지지향량궤:자부식별%BP신경망락
为了解决识别率和识别速度同时提高的难点.将支持向量机(SVM)算法应用于车牌字符识别.通过与无字符特征提取的BP神经网络相比较,在小样本的情况下,该方法的识别率远优于神经网络,可很好地解决神经网络方法中收敛速度慢、易陷入局部极小的问题.实验结果表明:在训练样本较少且无字符特征提取的情况下,此系统具有较高的识别率和识别速度,并具有很好的分类推广能力.
為瞭解決識彆率和識彆速度同時提高的難點.將支持嚮量機(SVM)算法應用于車牌字符識彆.通過與無字符特徵提取的BP神經網絡相比較,在小樣本的情況下,該方法的識彆率遠優于神經網絡,可很好地解決神經網絡方法中收斂速度慢、易陷入跼部極小的問題.實驗結果錶明:在訓練樣本較少且無字符特徵提取的情況下,此繫統具有較高的識彆率和識彆速度,併具有很好的分類推廣能力.
위료해결식별솔화식별속도동시제고적난점.장지지향량궤(SVM)산법응용우차패자부식별.통과여무자부특정제취적BP신경망락상비교,재소양본적정황하,해방법적식별솔원우우신경망락,가흔호지해결신경망락방법중수렴속도만、역함입국부겁소적문제.실험결과표명:재훈련양본교소차무자부특정제취적정황하,차계통구유교고적식별솔화식별속도,병구유흔호적분유추엄능력.
