文献类型：期刊文章

作　　者：薛磊[1] 杨晓敏[1] 吴炜[1] 陈默[1] 何小海[1]

机构地区：[1]四川大学电子信息学院图象信息研究所,成都610064

出　　处：《四川大学学报（自然科学版）》

年　　份：2006

卷　　号：43

期　　号：5

起止页码：1031-1036

语　　种：中文

收录情况：BDHX、BDHX2004、BIOSISPREVIEWS、CAS、CSCD、CSCD2011_2012、JST、MR、RCCSE、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：提出了一种将KNN(K近邻)和支持向量机相结合的字符识别算法.首先用KNN对字符进行判断,如果输出的置信度大于阈值,则认为分类正确;如果小于阈值则采用支持向量机进行判决.改进了SVM分类器,通过调整支持向量机的分类超平面改进了支持向量机的性能.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.

关 键 词：K近邻 置信度 支持向量机  字符识别

分 类 号：TP392]