Indexed by：
Abstract：
为克服传统支持向量机(SVM)算法应用在车牌字符识别问题上出现的结构复杂、训练样本庞大、识别速度慢的问题,提出一种多分类支持向量机结构,即组合多分类支持向量机(CMM-SVM),应用于车牌字符识别.根据车牌字符分布特点,设计3组基于超球面的一类支持向量机(OC-SVM),分别识别汉字字符、字母字符、数字与字母混合字符,依据距离最小原则进行初步识别;在前一步识别的基础上,采用标准SVM对易混淆的字符进一步判断,提高识别率.通过大量的样本测试验证了该结构能够准确识别复杂环境下的各类字符,识别率高,识别速度快.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
计算机工程与设计
ISSN： 1000-7024
CN： 11-1775/TP
Year： 2017
Issue： 6
Volume： 38
Page： 1619-1623
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
