构造性核覆盖算法在图像识别中的应用.pdfVIP

维普资讯 第 9卷 第 11期 中国图象图形学报 Vo1．9．No．11 2004年 11月 JournalofImageandGraphics Nov．2004 构造性核覆盖算法在图像识别中的应用 张燕平 。 张 铃 。 段 震” (安徽大学计算智能与信号处理实验室，合肥 230039) 。(安徽大学人工智能研究所，合肥 230039) 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。 关键词 构造性 覆盖算法 核函数 车牌识别 支持向量机 中图法分类号：TP391．41 文献标识码：A 文章编号：1006—8961(2004)l1—1304—05 A ConstructiveKernelCoveringAlgorithm andApplying IttoImageRecognition ZHANG Yan—ping ．ZHANG Ling ．DUAN Zhen (KeyLabofIntelligentcomputingSignalProcessingatAnhuiUniversity，Ministryof Education．Hefei230039) (InstituteofArtificialintelligence，AnhuiUniversity，Hefei230039) Abstract Themaincharacterofconstructiveneuralnetworksistobuildanetworkstepbystepduringprocessing agivendata set，duringtheprocesstheconstructionand parametersarediscoveredby learning andarenot presentedbeforelearning．Introducingkernelfunctionstonon—lineartransform ，asupportvectormachine(SVM) transformsaninputspaceintoahighdimensionalkernelspace，thenseeksthebestlinearclassifiedplaneinthis new space． The classified function is similar to a neuralnetwork formally．A constructivekernelcovering algorithm (CKCA)combinesconstructivelearningmethodsofneuralnetworkssuchasacoveringalgorithm with kernelfunctionmethodsofSVM ．FirstlyCKCA mapstheinputdatasetintoakernelspace，andthenclassifiesthe data setbyusingacoveringalgorithm inthiskernelspace．TheCKCA methodhasthecharacteristicoflow computationstrongconst．ructiveabili