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

来源：

中国图象图形学报 | 2004年 / 11期

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

页码：34 / 38

页数：5

共 5 条

[1] 多层前向网络的交叉覆盖设计算法 [J].