原文传递
支持向量机及其在智能交通系统中的应用研究
| 论文题名： | 支持向量机及其在智能交通系统中的应用研究 |
| 关键词： | 统计学习理论;支持向量机;智能交通系统;车型识别;车牌识别 |
| 摘要： | 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.该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. |
| 作者： | 赵晶 |
| 专业： | 信号与信息处理 |
| 导师： | 高隽;张旭东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2004 |
| 正文语种： | 中文 |
检索历史
应用推荐
