文献类型：期刊文章

作　　者：黄志斌[1] 陈锻生[1]

机构地区：[1]华侨大学计算机科学系,泉州362011

出　　处：《计算机工程》

年　　份：2003

卷　　号：29

期　　号：5

起止页码：192-194

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：支持向量机(SVM)是由Vapnik等人提出的一类新型机器学习方法。该文在字符特征提取基础上，应用SVM算法对车牌中的英文字符进行识别，克服了一般的SVM算法识别数字位图时缺乏对相邻空间像素相关性考虑的不足，在满足实时性的条件下获得高识别率。通过与基于字符特征的BP网络识别方案相比较表明，该方案性能远优于神经网络的性能，可很好地解决神经网络方法中无法避免的局部极值问题。实验讨论了在应用SVM算法对字符进行识别时，核函数K和惩罚因子C的选择对识别率的影响问题。

关 键 词：支持向量机 车牌字符识别 特征提取  BP网络 核函数 惩罚因子 计算机视觉  模式识别

分 类 号：TP391.43]