首頁(yè) > 期刊 > 自然科學(xué)與工程技術(shù) > 信息科技 > 電信技術(shù) > 電信科學(xué) > 基于擬合型弱分類(lèi)器的AdaBoost算法 【正文】
基于擬合型弱分類(lèi)器的AdaBoost算法
宋鵬峰; 葉慶衛(wèi); 陸志華; 周宇 寧波大學(xué)信息科學(xué)與工程學(xué)院; 浙江寧波315211
- adaboost
- 擬合型
- 最小二乘法
- 弱分類(lèi)器
摘要：針對(duì)AdaBoost算法通過(guò)最小化訓(xùn)練錯(cuò)誤率來(lái)選擇弱分類(lèi)器造成的精度不佳問(wèn)題以及單閾值作為弱分類(lèi)器訓(xùn)練過(guò)程較慢難以收斂問(wèn)題,提出了一種基于擬合型弱分類(lèi)器的Ada Boost算法。首先針對(duì)每個(gè)特征,在特征值與標(biāo)記值之間建立映射關(guān)系,引入最小二乘法求解擬合多項(xiàng)式函數(shù),并轉(zhuǎn)換成離散分類(lèi)值,從而獲得弱分類(lèi)器。其次從獲得的眾多弱分類(lèi)器中,選擇分類(lèi)誤差最小的弱分類(lèi)器作為本輪迭代的最佳弱分類(lèi)器,構(gòu)成新的Ada Boost強(qiáng)分類(lèi)器。與傳統(tǒng)訓(xùn)練算法相比,極大地減少了待選弱分類(lèi)器的個(gè)數(shù)。選取UCI數(shù)據(jù)集和MIT人臉圖像數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)驗(yàn)證,相較于傳統(tǒng)Discrete-AdaBoost算法,改進(jìn)算法的訓(xùn)練速度提升了一個(gè)數(shù)量級(jí),人臉檢測(cè)率可達(dá)96.59%。
- adaboost
- 擬合型
- 最小二乘法
- 弱分類(lèi)器
摘要：針對(duì)AdaBoost算法通過(guò)最小化訓(xùn)練錯(cuò)誤率來(lái)選擇弱分類(lèi)器造成的精度不佳問(wèn)題以及單閾值作為弱分類(lèi)器訓(xùn)練過(guò)程較慢難以收斂問(wèn)題,提出了一種基于擬合型弱分類(lèi)器的Ada Boost算法。首先針對(duì)每個(gè)特征,在特征值與標(biāo)記值之間建立映射關(guān)系,引入最小二乘法求解擬合多項(xiàng)式函數(shù),并轉(zhuǎn)換成離散分類(lèi)值,從而獲得弱分類(lèi)器。其次從獲得的眾多弱分類(lèi)器中,選擇分類(lèi)誤差最小的弱分類(lèi)器作為本輪迭代的最佳弱分類(lèi)器,構(gòu)成新的Ada Boost強(qiáng)分類(lèi)器。與傳統(tǒng)訓(xùn)練算法相比,極大地減少了待選弱分類(lèi)器的個(gè)數(shù)。選取UCI數(shù)據(jù)集和MIT人臉圖像數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)驗(yàn)證,相較于傳統(tǒng)Discrete-AdaBoost算法,改進(jìn)算法的訓(xùn)練速度提升了一個(gè)數(shù)量級(jí),人臉檢測(cè)率可達(dá)96.59%。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢雜志社
電信科學(xué)
- 預(yù)計(jì)1-3個(gè)月 預(yù)計(jì)審稿周期
- 1.55 影響因子
- 科技 快捷分類(lèi)
- 月刊 出版周期
主管單位：中國(guó)科學(xué)技術(shù)協(xié)會(huì);主辦單位：中國(guó)通信學(xué)會(huì);人民郵電出版社有限公司
我們提供的服務(wù)
在線客服
一對(duì)一咨詢服務(wù)、簡(jiǎn)單快捷、省時(shí)省力
了解更多 >
快遞配送
直郵到家、實(shí)時(shí)跟蹤、更安全更省心
了解更多 >
雜志訂閱
去除中間環(huán)節(jié)享受低價(jià)，物流進(jìn)度實(shí)時(shí)通知
了解更多 >
雜志推薦
正版雜志，匹配度高、性價(jià)比高、成功率高
了解更多 >