一种基于KNN与改进SVM的车牌字符识别算法
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.
保存先:
| 主要な著者: | , , , , |
|---|---|
| フォーマット: | Artigo |
| 言語: | Inglês |
| 出版事項: |
Editorial Department of Journal of Sichuan University (Natural Science Edition)
2006-01-01
|
| シリーズ: | 四川大学学报. 自然科学版 |
| 主題: | |
| オンライン･アクセス: | http://science.scu.edu.cn/thesisDetails?columnId=156455851&Fpath=home&index=0 |
| タグ: |
タグなし, このレコードへの初めてのタグを付けませんか!
|