基于支持向量机和核主成分分析的车牌字符识别

• 作者: 殳伟群 潘石柱 王令群
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 支持向量机(SVM) 核主成分分析(KPCA)车牌字符识别
• 年，卷（期）: 2006,（10）
• 所属期刊栏目: 技术论文
• 页码范围: 59-61,67
• 页数: 4页
• 分类号: TP3
• 字数: 2590字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-7820.2006.10.016

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殳伟群	同济大学控制理论与控制工程学院	28	354	11.0	18.0
2	王令群	同济大学控制理论与控制工程学院	17	119	7.0	10.0
3	潘石柱	同济大学控制理论与控制工程学院	8	130	5.0	8.0