基于1-SVM的車牌識(shí)別技術(shù)的研究與應(yīng)用.pdf

1、一類支持向量機(jī)(1-SVM)作為支持向量機(jī)的一個(gè)重要分支算法，在解決小樣本聚類學(xué)習(xí)、非線性問題、異常值檢測(cè)等無指導(dǎo)領(lǐng)域取得了廣泛的應(yīng)用。車牌自動(dòng)識(shí)別系統(tǒng)是機(jī)器學(xué)習(xí)和模式識(shí)別技術(shù)在智能交通領(lǐng)域的重要應(yīng)用，受到廣泛的關(guān)注。因此，進(jìn)行基于1-SVM的車牌識(shí)別技術(shù)的研究，具有一定的理論意義和實(shí)踐價(jià)值。
　　 本文主要工作包括：
　　 (1)將序貫最小優(yōu)化方法(SMO)移植入1-SVM作為訓(xùn)練算法，并針對(duì)車牌定位等實(shí)際一分類應(yīng)用問

2、題，提出了層次型偏二又樹1-SVM分類器結(jié)構(gòu)，逐層排除非目標(biāo)對(duì)象，提高了分類速度。在此基礎(chǔ)上利用遺傳算法的全局優(yōu)化能力，解決核函數(shù)的參數(shù)選擇問題，實(shí)現(xiàn)參數(shù)最優(yōu)搜索。
　　 (2)在車牌圖像的預(yù)處理以及字符分割部分，采用了Hough傾斜校正，基于區(qū)域連通法、投影法和先驗(yàn)知識(shí)的綜合字符分割方法，克服了傳統(tǒng)方法受車牌獲取大小影響較大的缺點(diǎn)，可有效解決粘連和傾斜字符的分割問題，實(shí)現(xiàn)字符快速切分，并且使錯(cuò)誤率降到最低。
　　 (3