支持向量机及其在智能交通系统中的应用研究

统计学习理论是一种专门研究小样本情况下机器学习规律的理论，支持向量机方法是在该理论基础上发展起来的通用学习方法，它具有全局优化、适应性强、理论完备、泛化性能好等优点，统计学习理论和支持向量机是目前机器学习领域的研究热点。随着通信、信息和电子技术及计算机网络技术的发展，智能交通系统正越来越受到各国的重视，它包括车型识别、车牌识别等模块。 本文将支持向量机引入智能交通系统领域，主要进行的工作如下： (1) 整理总结了国内外学术界关于统计学习理论方面的研究成果，介绍统计学习理论的基本概念和支持向量机的基本原理； (2) 在形状识别问题中以交通标志图像作为实验对象，利用Hough变换进行特征提取，在识别阶段利用支持向量机方法进行分类，并与神经网络等传统学习方法对比； (3) 将支持向量机应用于车型识别问题中，针对收费站采集的汽车图像，首先采用小波分析和数学形态学的方法提取其外形特征，在识别阶段利用支持向量机方法进行分类，并与其他传统学习方法进行了对比； (4) 将支持向量机应用于车牌识别问题中，车牌识别包括车牌定位、车牌字符分割以及字符识别三个步骤，先采用数学形态学方法对车牌区域进行定位，然后采用Top-Hat变换等方法分割车牌字符，在识别阶段采用支持向量机算法进行字符识别，取得了较为满意的结果。