-
-
-
-
-
论文研究-基于Adaboost算法的场景中文文本定位.pdf
提出了一种基于Adaboost算法的场景中文文本定位的新方法。首先利用边缘特征进行文本区域的检测，即对数字图像进行边缘提取、二值化处理，然后通过连通域分析去除明显的非字符连通域，并获得候选的文本区域。对场景中文文本区域进行分析，提取了场景中文文本的4类特征，并利用这4类特征经过分类与回归决策树构造了Adaboost强分类器。将候选文本区域送入强分类器，得到正确的文本区域。实验结果表明方法不仅对场景文本图像中字体、大小和颜色多变的文本具有很好的定位效果，而且具有很高的召回率和准确率。
-
论文研究-抗外点干扰的鲁棒AdaBoost分类器构建方法.pdf
... 受外点影响这一缺陷，提出一种利用Ransac算法实现抗外点干扰的鲁棒AdaBoost分类器构建方法。不同于其他AdaBoost算法在分类器构建中单纯使用样本加权或权值控制的手段，该算法将Ransac算法引入AdaBoost分类器模型构建过程中，去除潜在外点，克服现有AdaBoost算法缺陷。同时，借助Ransac算法，从全部AdaBoost分类器中选择最佳分类器模型，消除由外点引起的分类器降级。最后，将该AdaBoost分类器模型用于含有一定量外点的笔迹样本进行验证，实验结果证明了该方法的 ...
-
论文研究-基于SVM-Adaboost的中文组块分析.pdf
组块分析是一种非常重要的句法分析预处理手段，通过将文本划分成一组互不重叠的片断，来达到降低句法分析的难度。提出一种基于SVM-Adaboost的中文组块分析方法，将基于线性核函数的支持向量机与Adaboost算法相结合，以基于线性核函数的SVM作为Adaboost的分量分类器，在学习过程中改变分量分类器的核参数。实验结果表明了该算法的有效性。
-
论文研究-一种用于不平衡数据分类的改进AdaBoost算法.pdf
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AdaBoost改进算法。该方法通过对大类中分类困难样本的权重和标签进行处理，使分类器能够同时 ...
-
论文研究-结合运动特征的AdaBoost层次增强算法.pdf
随着高分辨率传感器成为视频获取的主流，AdaBoost算法所面临的主要问题是置入级联分类器待检测窗口数过多。提出一种AdaBoost人脸检测层次增强算法，以加快人脸检测速度。从整体目标运动与局部人脸运动两个层次出发，以矩形块为计算单位，根据 ...
-
论文研究-基于信息熵的RVM-AdaBoost组合分类器.pdf
针对AdaBoost算法不能有效提高RVM分类性能的问题，提出一种基于信息熵的RVM与AdaBoost组合分类器。依据RVM输出的后验概率来定义样本的信息熵，信息熵越高的样本越容易错分。提出使用自适应信息熵阈值对数据进行筛选，筛选出的数据使用基于AdaBoost算法的集成分类器进行分类，样本的分类结果由RVM与集成分类器组合给出。把未筛选出且分类错误的极少样本作为噪声对待，增强了组合分类器的稳定性，避免了随着AdaBoost算法迭代次数增加集成分类器出现退化的现象。使用UCI数据集从分类正确率、分类效率和 ...
-
论文研究-基于bregman距离和等式约束正则化AdaBoost算法.pdf
基于J.Kivinen和M.K.Warmuth提出的一种基于正则化的在线学习模式，提出基于bregman距离和等式约束正则化弱分类器权值更新模式，实现了AdaBoostS，AdaBoostIE，AdaBoostRE，AdaBoostDE和AdaBoostE五种弱分类器权更新算法。在实验部分，利用实际数据对提出的五种算法与Real AdaBoost、Gentle AdaBoost和Modest AdaBoost算法作了比较。
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
