adaboost 源码搜索结果, 第93页, Verysource

基于AdaBoost的链路质量预测机制研究在无线传感器网络中，节点所在环境复杂多变导致其通信链路质量的不可靠，若能提前感知链路质量信息，则能很大程度上降低网络中节点的额外能量消耗。在分析现有链路质量预测方法的基础上，提出基于AdaBoost的链路质量预测机制。通过收集多个实验场景下的链路质量样本，采用基于密度的无监督聚类算法对训练样本划分链路质量等级；采用以支持向量机为弱分类器的 AdaBoost 算法，构建链路质量预测机制。实验结果表明，所提预测机制具有较高的预测精度。
基于AdaBoost和匹配追踪的选择性集成算法 为了平衡集成学习中差异性和准确性的关系并提高学习系统的泛化性能, 提出一种基于AdaBoost 和匹配追踪的选择性集成算法. 其基本思想是将匹配追踪理论融合于AdaBoost 的训练过程中, 利用匹配追踪贪婪迭代的思想来最小化目标函数与基分类器线性组合之间的冗余误差, 并根据冗余误差更新AdaBoost 已训练基分类器的权重, 进而根据权重大小选择集成分类器成员. 在公共数据集上的实验结果表明, 该算法能够获得较高的分类精度.
一种新的AdaBoost视频跟踪算法 针对复杂场景中运动目标较难定位的问题, 提出一种结合纹理和颜色特征的AdaBoost 目标跟踪算法. 首先在线训练一个弱分类器的集合区分目标和背景; 然后, 通过AdaBoost 将集合中的各弱分类器组合成一个强分类器,用于标定下一帧中各像素的类别属性, 并生成置信图; 最后, 在置信图中用Mean Shift 算法定位目标的中心. 实验结果表明, 该算法在光照变化、目标自身发生形变和遮挡的情况下, 能准确地对目标进行跟踪.
基于增量学习思想的改进AdaBoost 建模方法 ... ;lt;/title></head><body>针对软测量建模的特点以及建模过程中存在的主要问题, 提出了基于AdaBoost RT 集成学习方法的软测量 建模方法, 并根据AdaBoost RT 算法固有的不足和软测量模型在线更新所面临的困难, 提出了自适应修改阈值?? 和 增添增量学习性能的改进 ...
基于AdaBoost的链路预测优化算法针对当前主流的基于网络拓扑结构的链路预测算法普遍存在召回率较低的问题，研究发现一些算法输出的结果中部分正确结果具有互补性，据此采用基于Boosting的集成学习方法对其进行改进。按照网络中节点之间是否存在链接关系，将链路预测问题定义为二分类问题，进一步遵循算法互补的原则选择若干具有代表性的链路预测算法作为弱分类器，基于AdaBoost算法提出并实现了一个新型链路预测算法。在arXiv论文合作网络和电子邮件网络等真实数据集上的实验结果表明，该算法的准确率以及召回率表现均显著优于当前的主流算法。
KNN、Kmeans、EM、Perceptron、决策树、逻辑回归、svm、adaboost、朴素贝叶斯实现算法有KNN、Kmeans、EM、Perceptron、决策树、逻辑回归、svm、adaboost、朴素贝叶斯
利用opencv实现的基于haar特征的adaboost人脸检测算法这是利用opencv实现的基于haar特征的adaboost人脸检测算法，使用VS平台，亲身实践可以使用，将图片放在该文件夹目录下，修改代码中图片名称与你所放图片名称一致就可以对图片中的人脸进行检测。使用时，确保你安装了VS和opencv（有编译好的库，只需解压到某一目录下即可，通过路径的设置去调用它）
用C语言实现的基于adaboost算法的人脸检测程序及人脸库用C语言实现的基于adaboost算法的人脸检测程序及人脸库用C语言实现的基于adaboost算法的人脸检测程序及人脸库
基于拟合型弱分类器的AdaBoost算法针对AdaBoost算法通过最小化训练错误率来选择弱分类器造成的精度不佳问题以及单阈值作为弱分类 ... 过程较慢难以收敛问题，提出了一种基于拟合型弱分类器的AdaBoost算法。首先针对每个特征，在特征值与标记值之间建立映射关系，引入 ... 最小的弱分类器作为本轮迭代的最佳弱分类器，构成新的 AdaBoost 强分类器。与传统训练算法相比，极大地减少了待选弱分类 ... 。选取 UCI 数据集和MIT人脸图像数据库进行实验验证，相较于传统Discrete-AdaBoost算法，改进算法的训练速度提升了一个数量级，人脸检测率可达96 ...
Adaboost算法的FPGA实现与性能分析摘要：Adaboost算法采用由弱到强的级联型分类器用以快速检测人脸。但在实际应用中计算量巨大。在PC机上用纯软件实现该算法得到的目标检测速度也难以达到实时。本文论述了一种 ... ,并在Virtex5系列FPGA上实现。通过该并行系统对单幅352x288的图像进行人脸检测,其速率可以达到50帧/秒,可以满足工业应用的实时性要求。　　引言　　Adaboost 算法是Freund 和Schapire 于1995 年提出的，全称为Adaptive Boosting。它是 Boosting 算法的改进，意为该算法

关键字：adaboost