adaboost 源码搜索结果, 第83页, Verysource

Adaboost提升算法本文件包含adaboost代码，并用两个示例进行演示，一个是自设数据，一个是马疝病数据集。并附带数据集。画ROC和AUC曲线以供分析
adaboost.rar 简单的adaboost示例，#用make_gaussian_quantiles生成多组多维正态分布的数据 #设定弱分类器CART #构建模型 #绘制分类效果
论文研究-基于EREF的PSO-AdaBoost训练算法.pdf 针对基于PSO的AdaBoost算法(PSO-AdaBoost)的不足，分析了传统目标函数不能适应多个弱分类器拥有相同最小错误率时弱分类器的选择问题，提出了解决这一问题的有效方法。新方法使用特征值和阈值的绝对值差衡量错分样本的错误程度，结合相对熵理论形成PSO算法的适应度函数，使其根据错分样本的错误程度挑选最佳弱分类器。实验结果表明，所提算法具有较高的检测率和较小的泛化错误。
论文研究-基于GA-CFS和AdaBoost算法的网络流量分类.pdf 鉴于特征属性选择在网络流量分类中占据重要地位, 为了确定最优特征子集, 利用CFS作为适应度函数的改进遗传算法GA-CFS, 从网络流量的249个属性空间中提取主要属性并最终选定18个特征组合作为最优特征子集。通过AdaBoost算法把一系列的弱分类器提升为强分类器, 对网络流量进行了深入的分类研究。实验结果表明, 基于GA-CFS和AdaBoost的流量组合分类方法较弱分类器具有较高的分类准确率。
论文研究-基于双阈值运动区域分割的AdaBoost行人检测算法.pdf 结合单目摄像机静止拍摄的视频序列使用背景差法或AdaBoost算法检测行人时分别存在易受噪声干扰或检测速度慢的问题, 提出一种双阈值运动区域分割的AdaBoost快速行人检测算法。首先建立背景帧, 利用前景帧与背景帧的差分图像拟合噪声曲线, 提取噪声与亮暗运动目标的阈值, 消除噪声, 分割出运动区域; 然后通过AdaBoost学习算法选择少量有效的Haar-like弱矩形特征构造强分类器; 最后在运动区域利用强分类器检测是否包含行人。实验 ...
论文研究-基于YCbCr肤色检测与AdaBoost联级算法的嘴部特征定位.pdf 为了结合面部其他融合特征研究疲劳状态模式识别，主要研究了人的嘴部特征的定位及状态分析。对基于YCbCr肤色结合AdaBoost联级算法采集帧图像定位人脸，在人脸定位的基础上，基于三庭五眼的先验知识对嘴部特征进行粗定位，采用迭代法自适应阈值分割法进行嘴部特征状态分析，利用最小外接法优化了嘴部状态参数。结果表明，提出的嘴部特征定位方法具有可行性、实时性。
论文研究-结合旋转森林和AdaBoost分类器的多标签文本分类方法.pdf 针对一些多标签文本分类算法没有考虑文本—术语相关性和准确率不高的问题，提出一种结合旋转森林和AdaBoost分类器的集成多标签文本分类方法。首先，通过旋转森林算法对样本集进行分割，通过特征变换将各样本子集映射到新的特征空间，形成多个具有较大差异性的新样本子集。然后，基于AdaBoost算法，在样本子集中通过多次迭代构建多个AdaBoost基分类器。最后，通过概率平均法融合多个基分类器的决策结果，以此作出最终标签预测。在四个基准数据集上的实验结果表明，该方法在 ...
论文研究-基于AdaBoost分类器的车牌字符识别算法研究.pdf 提出了一种基于模板匹配的改进AdaBoost算法的字符识别方法。针对AdaBoost算法的退化现象，根据样本在权重上的分布情况，对权重进行适当的调整，较好地解决了经典 AdaBoost算法中存在的退化现象。最后给出了实验结果及实现方案。
论文研究-基于肤色和AdaBoost算法的彩色人脸图像检测.pdf 针对肤色检测对复杂背景下的图像误检率高和AdaBoost算法对多姿态、多人脸图像检测效果不理想的问题，将基于肤色的人脸检测与基于AdaBoost算法的人脸检测结合起来，提出一种新的人脸检测方法，即首先利用肤色和形态学操作分割肤色区域，再根据人脸区域的统计特性筛选出人脸候选区域，然后用AdaBoost级联分类器对候选区域扫描，以精确定位人脸。实验表明，该方法同时具有肤色检测正确率高与AdaBoost算法误检率低的优点，可以有效地运用于多姿态、多人脸和复杂背景的情况,具有较好的检测效果。
论文研究-基于AdaBoost的组合分类器在遥感影像分类中的应用.pdf 运用组合分类器的经典算法AdaBoost将多个弱分类器-神经网络分类器组合输出，并引入混合判别多分类器综合规则，有效提高疑难类别的分类精度，进而提高分类的总精度。最后以天津地区ASTER影像为例，介绍了基于AdaBoost的组合分类算法，并在此基础上实现了天津地区的土地利用分类。分类结果表明，组合分类器能有效提高单个分类器的分类精度，分类总精度由8113%提高到9332%。实验表明基于AdaBoost的组合分类是遥感图像分类的一种新的有效方法。

关键字：adaboost