作者:
原文服务方: 科技与创新       
摘要:
论文介绍了支持向量积的工作原理以及其在图像识别中的应用,指出了该方法与常规识别法的优势所在,并在以数字字符的识别为例进行实现,通过对各个字符样本特征提取来识别字符,并在MATLAB下给出识别结果,实脸结果表明了该方法识别准确性较高,而且SVM(support vector machine)样本训练的收敛速度比较快.
推荐文章
基于Hadoop平台下SVM的图像识别技术
Hadoop平台
图像识别
SVM
云计算
加速比
基于级联SVM和全数字接收机的复合调制识别
复合调制
数字接收机
支持向量机
调制识别
基于粒子群优化LS-SVM的车刀磨损量识别技术研究
刀具状态监测
小波包分析
粒子群优化
最小二乘支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM的数字识别技术研究
来源期刊 科技与创新 学科
关键词 字符识别 支持向量机 特征提取 MATLAB
年,卷(期) 2010,(13) 所属期刊栏目
研究方向 页码范围 194-196
页数 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.2095-6835.2010.13.081
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 申勇 1 7 1.0 1.0
2 范红 8 95 4.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (3)
参考文献  (2)
节点文献
引证文献  (7)
同被引文献  (23)
二级引证文献  (4)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
字符识别
支持向量机
特征提取
MATLAB
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技与创新
半月刊
2095-6835
14-1369/N
大16开
2014-01-01
chi
出版文献量(篇)
41653
总下载数(次)
0
总被引数(次)
202805
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导