随着城市交通系统的快速发展和现代信息技术的日新月异,智能交通系统(Intelligent Transportation System)孕育而生。当前,智能交通系统已经高度信息化,科技化,包括地理信息系统、全球定位系统、车辆自动识别系统、车辆自动防碰撞系统、自动驾驶系统、多媒体宽带通信系统等等。涉及面广,技术含量高,具有广阔的科研和市场前景。本文着重探讨智能交通系统中的车辆监控技术,如车辆牌照的自动识别、车型识别等。根据支持向量机(support vector machine)理论,在现有的算法基础之上提出较好的图像分类与识别算法,成功将支持向量机方法运用到实际环境中。这种算法高效,自适应性强,能在较少量数据学习的基础上提供较高的识别率。支持向量机是V.Vapnik等人提出的一种针对分类和回归问题的新型机器学习方法。它基于结构风险最小化原理,能有效地解决过学习问题,具有良好的推广性和较好的分类精确性。正在成为继模式识别和神经网络研究之后机器学习领域新的研究热点,并将推动机器学习理论和技术的重大发展。目前,支持向量机在模式识别、函数逼近、数据挖掘和文本自动分类中均有很好的应用。传统支持向量机是针对两类分类问题,而在实际应用中,如数据挖掘、文本分类等等,需要处理的数据是海量和多类别的。如何解决大规模多类别的问题,是近几年来研究的重点之一。