一种基于KNN与改进SVM的车牌字符识别算法

• 作者: 何小海 吴炜 杨晓敏 薛磊 陈默
• 来源期刊: 四川大学学报(自然科学版)
• 学科: 工学
• 关键词: K近邻 置信度 支持向量机 字符识别
• 年，卷（期）: 2006,（5）
• 页码范围: 1031-1036
• 页数: 6页
• 分类号: TP3
• 字数: 3491字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2006.05.017

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何小海	四川大学电子信息学院图象信息研究所	395	2334	21.0	30.0
2	吴炜	四川大学电子信息学院图象信息研究所	82	916	17.0	25.0
3	杨晓敏	四川大学电子信息学院图象信息研究所	77	789	17.0	24.0
4	陈默	四川大学电子信息学院图象信息研究所	36	362	11.0	18.0
5	薛磊	四川大学电子信息学院图象信息研究所	6	136	6.0	6.0