最大似然估计法浅谈

本文介绍了最大似然估计法,它是基于所给样本 在分布函数形式已知情况下未知参数估计的一类方法。鉴于 学生对此方法理解存在难度’我们首先通过简单实例引入最大 似然原理,然后应用最大似然原理解决点估计问题,最后总结 出最大似然估计法的一般步骤。     

关于最大似然估计的教学

通过浅显事例说明最大似然原理,给出最大似然估计的主要方法。     

最大似然估计教学中的几点注记

本文总结了最大似然估计教学中容易忽视的一些问题,并对最大似然估计中出现的一些特殊情况进行了举例说明,特别指出不是所有参数都有最大似然估计.     

最大似然估计的若干难题与解析

任课教师在教学时除了要注重讲解最大似然估 计的基本思想和一般解法,还有必要增加一些有难度的灵活题 型作为补充。这样既调动了学生的学习积极性,拓宽了知识 面,也有助于提高学生分析和解决问题的能力。     

直线拟合的最大似然原理

对被观测的物理量（x、y），测得n对观测值，对y的不等精度或x与y都有误差的两种情况下的直线拟会，本文用最大似然法来解释最小二乘法，并获得相应的结果．     

对数正态分布参数的最大似然估计

利用最大似然估计法求出了对数正态分布两个参数的估计量，并讨论了它们的无偏性和相合性。     

线性模型中的最大似然估计的通有稳定性

本证明了线性模型中回归系数的最大似然估计关于随机误差的通有稳定性。     

最大似然估计在回归分析中的应用

本文旨在利用最大似然估计这一方法来考虑当线性回归模型不成立时因变量的指数和对数变换问题,解决了对数变换时未知参数的确定原则并给出利用统计软件SPSS加以求解的方法,给出了对数变换未知参数的解析式并得到了帽子矩阵的一些性质。     

基于重要性采样的最大似然时延估计算法

针对多径环境中的时延估计,提出了一种基于重要性采样概念的算法。该算法利用蒙特卡罗算法(MC)对未知参数的分布函数抽样,获得简化似然函数的全局最优解,进而通过计算样本均值直接得到参数估计结果。该方法避免了耗时较长的多维网格搜索和对初值较为敏感的迭代算法,且能够无条件收敛至全局最优值。仿真结果表明,在相同样本条件下,该算法相比于EM、MUSIC算法,不仅消除了对初值的依赖性,也获得了更接近克拉美罗界(CRLB)的仿真结果。将该算法与其他多种算法进行计算复杂度分析后发现,IS-based算法较其他算法更为简单,计算量更低,具有较为重要的工程应用价值。     

在截尾样本情形下最大似然估计的强相合性

讨论了在截尾样本情形下最大似然估计的大样本性质，证明了当T＝∞时最大似然估计是强相合的．     

一种改进BP神经网络的车牌字符识别方法

文章提出了一种改进BP神经网络的车牌字符识别方法,进一步研究在干扰情况下的车牌识别问题,并采用系统化的方法,使用VC＋＋6．0设计并实现一个高效、鲁棒性好的车牌定位和识别系统。实验结果表明,提出的方法具有效率高、精确度好、对光照、旋转、噪声等具有良好的鲁棒性等特点．定位率和识别率可以达到90％以上。     

RBF神经网络在车牌字符识别中的应用

针对现有车牌字符识别算法中存在识别时间长、正确率低的问题,提出了基于粗网格特征提取及RBF神经网络的车牌字符识别算法。该算法首先对车牌图像字符进行预处理,再将提取的车牌字符特征向量输入RBF神经网络进行训练,通过建立汉字字符、字母、字母／数字混合分类器分别对车牌字符信息进行识别,同时引入拒识别和易混字符细识别机制。实验表明,这种方法克服了BP神经网络易陷入局部最小值的问题,提高了识别的正确率,适合于对实时性要求较高的智能交通管理系统。     

基于离散 Hopfield 神经网络的污染车牌字符识别

传统字符识别方法缺乏对污染车牌字符正确识别的能力,难以有效分辨易混淆字符等。针对这些弊端,采用 MATLAB 对真实车牌字符图像进行处理,提出一种基于离散 Hopfield 神经网络的改进算法（CLP-HNN）,对车牌字母及数字进行识别。实验结果表明,该算法对污染车牌字符识别率达 93.3%,不仅可有效降低污染车牌错误识别的风险,而且可提高易混淆字符正确辨别率,对减少车牌误识别引起的交通安全及秩序问题有较大参考价值。     

浅析车牌识别技术

车牌识别技术作为智能交通的重要组成部分,在人们的生活中发挥着越来越重要的作用。车牌定位、字符分割、字符识别是车牌识别的三个重要组成部分,是车牌识别技术研究的重点,从这三个方面对车牌识别技术的发展和现状及车牌识别技术的应用进行了简要介绍。     

基于彩色SUSAN算子的车牌定位方法

在颜色相似系数的基础上提出彩色SUSAN算子的车牌定位方法,并采用MATLAB进行仿真,实验结果表明该方法能较准确地定位车牌,便于进一步的车牌字符分割。     

基于混合核的超球面支持向量机车牌字符识别

在车牌字符识别应用中,超球面支持向量机核函数的选取一直采用单一核函数方案,存在识别正确率不高或过程较繁琐的问题。针对以上不足,将单一径向基核函数、混合核函数分别应用到超球面支持向量机的决策函数中,找到径向基核函数参数和混合核线性组合交叉概率的最优取值,提出一种超球面混合核支持向量机(MHS-SVM)。将Computational Vision研究小组数据集转换为一维矢量提取特征,采用此算法进行识别验证。试验结果表明,较已有的欧拉数特征分类和组合支持向量机,混合核方案过程简洁,具有更高的识别正确率,同时拥有较好的识别速率。     

车牌号码识别设计与实现

基于形态学处理方法和车牌纹理特征实现车牌定位、分割,通过模板匹配法完成车牌号识别.基于MATLAB GUI以用户体验为导向搭建车牌识别系统,通过对100张车牌图像的试验,识别正确率达到85%,用户界面效果良好.     

一种实用的基于形态学和标志法的车牌字符切分方法

In this paper, a kind of practical image segmentation algorithm for segment characters from car license plate is presented, based on morphology and labeling. First, by morphological operation, noise in the binary image of license plate can be greatly decreased. Then, by labeling, each connected pixel component is given a unique label. Finally, by the known data of license plate, each character is extracted correctly. The advantage of this method is that it can deal with plates with different sizes and connected characters plates, and inclined plates. The experiment results show that it is an effective way to extract characters from the license plate, and can be put into practical use.     

A Practical Method of Car License Plate Character Segmentation Based on Morphology and Labeling

1 IntroductionThe car license plate recoghtion system is animpohallt pat on illtelliged traffic management system['1.It is imPO~ in a nUmber of aPPlications, such asfreeway tolling, parldng management and vehiclethecingl"'].The main tasks of a car license plate recognitionsystem are the location of the license plate in a complexbackground, the seglnedation of oh~ters and theirrecognition['l. These taSks are strongly inter-related,where the lOcation and the segmentation are the key pods,for …     

基于神经网络集成的车牌字符识别

针对车牌字符在车牌图象退化时识别率较低的问题,提出一种基于神经网络集成的车牌字符识别方法。基于小生境遗传算法在提高进化的局部搜索方面的良好性能来动态构建个体网络差异性大的神经网络集成,进而提高整个集成系统的泛化能力。将该方法应用于车牌字符的识别,实验结果表明,该方法能有效地生成差异度较大的个体网络,得到的神经网络集成能有效提高车牌字符的识别率。