构造性核覆盖算法在图像识别中的应用

被引:20
作者
张燕平
张铃
段震
不详
机构
[1] 安徽大学计算智能与信号处理实验室
[2] 安徽大学计算智能与信号处理实验室 合肥
[3] 安徽大学人工智能研究所
[4] 合肥
[5] 合肥
[6] 合肥
关键词
构造性; 覆盖算法; 核函数; 车牌识别; 支持向量机;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
构造性神经网络的主要特点是 :在对给定的具体数据的处理过程中 ,能同时给出网络的结构和参数 ;支持向量机就是先通过引入核函数的非线性变换 ,然后在这个核空间中求取最优线性分类面 ,其所求得的分类函数 ,形式上类似于一个神经网络 ,而构造性核覆盖算法 (简称为 CKCA)则是一种将神经网络中的构造性学习方法 (如覆盖算法 )与支持向量机 (SVM)中的核函数法相结合的方法。CKCA方法具有运算量小、构造性强、直观等特点 ,适于处理大规模分类问题和图像识别问题。为验证 CKCA算法的应用效果 ,利用图像质量不高的车牌字符进行了识别实验 ,并取得了较好的结果
引用
收藏
页码:34 / 38
页数:5
相关论文
共 5 条
[1]   多层前向网络的交叉覆盖设计算法 [J].
张铃 ;
张钹 ;
殷海风 .
软件学报, 1999, (07) :737-742
[2]   汽车图象中字符目标的提取算法 [J].
林纯青 ;
徐立亚 ;
戚飞虎 .
上海交通大学学报, 1998, (10) :3-5+11
[3]   M-P神经元模型的几何意义及其应用 [J].
张铃 ;
张钹 .
软件学报, 1998, (05) :15-19
[4]  
模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000
[5]  
人工神经网络理论及应用[M]. 浙江科学技术出版社 , 张铃,张钹[著], 1997