搜索结果: 1-8 共查到“计算机科学技术基础学科 AdaBoost”相关记录8条 . 查询时间(0.078 秒)
基于级联Adaboost的目标检测融合算法
目标检测 融合模型 边界片段特征
2009/9/8
单一特征的模型对于颜色纹理变化较大的目标的检测往往存在检测率不高或检测速度慢的缺点. 本文提出了一种基于级联Adaboost的``级联--加和''融合算法. 融合模型由两个独立训练得到的级联Adaboost分类器组成, 分别利用边界片段特征和矩形类Haar小波特征描述整个目标以及目标的一个稳定部件. 级联--加和的融合决策以样本在两个分类器中被拒绝或通过的级数信息为依据. 在多个数据库上的实验证明...
新的AdaBoost算法评价体系
弱分类器 错分率 权重系数
2009/7/9
工程实际中，往往通过对比两个AdaBoost算法在相同弱分类器数量条件下的错分率来比较算法性能，这样就忽略了在弱分类器数量增加时，错分率的波动会造成对比不准确的问题。为此，分别针对分类器性能的分类准确率、收敛速度和稳定性，提出了稳态错分率、调节规模、振荡度三个量化指标，构成了一个相对完备的评价体系。实验表明，该评价体系能更全面反映AdaBoost的分类效果。
一种用于不平衡数据分类的改进AdaBoost算法
不平衡数据 类别不平衡学习 AdaBoost
2009/7/6
真实世界中存在大量的类别不平衡分类问题，传统的机器学习算法如AdaBoost算法，关注的是分类器的整体性能，而没有给予小类更多的关注。因此针对类别不平衡学习算法的研究是机器学习的一个重要方向。AsymBoost作为AdaBoost的一种改进算法，用于类别不平衡学习时，牺牲大类样本的识别精度来提高小类样本的分类性能。AsymBoost算法依然可能遭遇样本权重过大造成的过适应问题。据此提出了一种新型的...
不均衡数据集中基于Adaboost的过抽样算法
不均衡数据集 过抽样 提升算法
2009/5/6
为了提高不均衡数据集中少数类的分类性能，该文融合了提升和过抽样的优点，提出了基于提升算法Adaboost的过抽样算法MCMO-Boost，并且将其与决策树算法C4.5、提升算法Adaboost和过抽样算法SMOTE进行了实验比较与分析。结果表明，MCMO-Boost算法在少数类和数据集的总体分类性能方面都优于其它算法。
基于双阈值的增强型AdaBoost快速算法
dual-AdaBoost 人脸检测
2009/3/20
在应用AdaBoost算法的人脸检测中，针对训练时间太长及权重调整过适应等问题，提出一种基于特征值等分和双阈值的增强型AdaBoost快速训练算法，给出了双阈值的快速搜索方法。在MIT-CBCL人脸和非人脸训练库上对算法进行了实现。实验结果显示，改进后的双阈值增强型AdaBoost算法简化了训练过程，训练速度提高50倍，收敛速度也更快。使用训练得到的检测器对MIT+CMU人脸测试库进行了测试，结果...
融合AdaBoost和启发式特征搜索的人脸性别分类
性别分类 AdaBoost 启发式搜索
2009/2/10
提出一种基于AdaBoost的人脸性别分类方法，从一张低分辨率灰度人脸图像中辨认出一个人的性别。将启发式搜索算法融于AdaBoost算法框架中，从而发现新的可用于更好分类的特征。利用该方法进行人脸性别分类方面的实验，当使用少于500个像素比较时，正确识别率达到了93%以上，这与迄今已公布的最佳的分类器支持向量机（SVM）的正确识别率相当，但速度却快得多。
People Redetection Using Adaboost with Sift and Correlogram
People Redetection Adaboost Sift Correlogram
2010/12/17
People re-detection aims at performing re-identification of people who leave the scene and reappear after some time. This is an important problem especially in video surveillance scenarios. In this pa...
一种改进的AdaBoost算法——AD AdaBoost
AD AdaBoost 目标检测 级联结构 弱分类器 加权参数
2007/11/1
目标检测问题是计算机视觉领域最普遍和关键的问题之一.基于级联结构的AdaBoost算法目前被认为是较有效的检测算法，但是其在低FRR端的性能仍需改进.文章提出了一种针对目标检测问题的改进AdaBoost算法——AD AdaBoost. AD AdaBoost采用了新的参数求解方法，弱分类器的加权参数不但与错误率有关，还与其对正样本的识别能力有关.该算法能够有效地降低分类器在低FRR端的FAR，使其...