作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
车牌识别技术是智能交通系统中的重要组成部分,而字符识别是其关键环节,采用支持向量机(SVM)分类方法能够在训练样本较少的情况下达到很好的分类推广能力。根据车牌特征将车牌字符分为四类,用提取的特征训练SVM分类器,采用交叉验证的方法选择最优化参数。实验结果表明,该方法具有较高的识别率。
推荐文章
用于车牌字符识别的SVM算法
支持矢量机(SVM)
车牌字符识别
最优分类面
核函数
AdaBoost算法在车牌字符识别中的应用
车牌识别
字符识别
特征选择
AdaBoost
径向基神经网络算法在车牌字符识别中的应用
汽车车牌
字符分割
字符识别
径向基网络
基于SVM混合网络的车牌字符识别研究
字符识别
支持向量机
神经网络
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 SVM方法在车牌字符识别中的应用
来源期刊 中国多媒体通信 学科 工学
关键词 支持向量机 车牌字符识别 特征提取 核函数
年,卷(期) 2011,(7) 所属期刊栏目
研究方向 页码范围 66-68
页数 3页 分类号 TP391.4
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
支持向量机
车牌字符识别
特征提取
核函数
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
中国多媒体通信
月刊
1726-6408
北京朝阳区广渠东路3号院申奥商务楼508
出版文献量(篇)
4766
总下载数(次)
9
论文1v1指导