基于1-SVM的車牌識別技術的研究與應用.pdf

1、一類支持向量機(1-SVM)作為支持向量機的一個重要分支算法，在解決小樣本聚類學習、非線性問題、異常值檢測等無指導領域取得了廣泛的應用。車牌自動識別系統(tǒng)是機器學習和模式識別技術在智能交通領域的重要應用，受到廣泛的關注。因此，進行基于1-SVM的車牌識別技術的研究，具有一定的理論意義和實踐價值。
　　 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作為訓練算法，并針對車牌定位等實際一分類應用問

2、題，提出了層次型偏二又樹1-SVM分類器結構，逐層排除非目標對象，提高了分類速度。在此基礎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，實現(xiàn)參數(shù)最優(yōu)搜索。
　　 (2)在車牌圖像的預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、投影法和先驗知識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，可有效解決粘連和傾斜字符的分割問題，實現(xiàn)字符快速切分，并且使錯誤率降到最低。
　　 (3