搜索结果: 1-15 共查到“计算机科学技术 Adaboost”相关记录38条 . 查询时间(0.14 秒)
基于AdaBoost的链路预测优化算法
链路预测 社会网络分析 AdaBoost算法 推荐系统 机器学习
2014/3/24
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...
一种改进的Adaboost训练算法
误差分布 Adaboost算法 权重更新 正负误差比 分类器输出
2012/11/13
针对传统的Adaboost训练算法在训练过程中可能出现训练退化和训练目标类权重分布过适应的问题, 提出一种改进的Adaboost训练算法. 改进算法通过调整加权误差分布限制目标类权重的扩张, 并且最终分类器输出形式以概率值输出代替传统的离散值输出, 提高了训练结果的检测率. 实验结果表明, 改进的Adaboost算法在Inria数据集上取得了较好效果。
基于PCA+AdaBoost算法的人脸识别技术
人脸识别 特征脸 主成分分析 AdaBoost
2010/2/21
人脸识别技术是图像处理方面的重要技术，然而识别率不高却一直妨碍人脸识别技术的广泛应用。主成分分析（PCA）是人脸识别技术的一个重要算法，将PCA与AdaBoost算法相结合改进了原来的算法，并称新算法为PCA+AdaBoost算法。实验证明PCA+AdaBoost算法的识别率明显高于PCA算法，相对于Fisherface算法的识别率也有明显的提高。
一种Adaboost快速训练算法
人脸检测 分类器 训练算法
2009/10/20
为解决基于Adaboost算法的人脸检测训练耗时的问题，提出一种Adaboost快速训练算法。基于原算法，在训练中使用序列化表格选取弱特征，在一轮训练结束后不进行样本权值更新，直接在已选分类器的基础上利用直方图统计的方法进行下一轮训练。实验证明该算法有较高的训练效率。
基于Adaboost权值更新以及K-L距离的特征选择算法
边界片段特征 权值更新 K-L距离
2009/9/9
对于颜色、纹理变化较大的目标, 边界片段是一种较为稳定的特征. 手工分割样本再提取边界片段的传统做法由于工作量巨大而限制了样本的数目, 不能满足统计学习中大样本训练的要求. 但是如果对训练样本采用自动分割的方法就不可避免地引入很多背景中的噪声. 在这种情况下特征的选择就显得尤为关键. 本文提出一种基于Adaboost权值更新以及K-L距离的特征选择算法, 在Adaboost的每一轮训练中动态地选择...
基于笔画和Adaboost的两层视频文字定位算法
笔画提取 边缘方向直方图 Adaboost 视频OCR
2009/9/8
在定位和验证的两级框架下提出了一种新的视频文字定位算法. 在定位模块中, 充分利用字符的笔画属性, 引入对字符区域有很强的响应的笔画算子; 经笔画提取, 密度过滤, 区域分解得候选文本行. 在验证模块中, 提取对文字有较强鉴别能力的边缘方向直方图特征, 使用Adaboost算法训练的分类器对候选文本行进行筛选. 实验结果表明, 该算法具有较强的鲁棒性, 在不同类型的视频帧中都能得到较好的定位结果.
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...
基于红外照明的Adaboost实时人脸检测
自由立体显示 人脸检测 红眼效应
2009/8/19
针对高分辨率下人脸定位速度慢和鲁棒性差的问题，提出一种鲁棒的基于红外照明的Adaboost人脸定位方法。该方法使用近红外结构照明来得到眼睛的候选点，依据眼在脸部的相对固定位置得到人脸的候选窗口，使用级联的Real Adaboost算法定位出所有的人脸。实验结果显示，这种方法能有效提高定位速度和准确度，对一个640×480分辨率的连续视频，系统每帧人脸定位时间小于6 ms。
基于AdaBoost特征约减的入侵检测分类方法
特征约减 Ada加权分类器 Ada域值分类器
2009/8/6
提出一种基于AdaBoost的入侵特征约减算法，利用该算法约减入侵特征中的冗余特征，构造Ada-加权和Ada-域值分类器，并与支持向量机分类器进行对比。设计并实现Linux实时入侵检测实验平台，并将特征约减算法和3种分类方法应用于该平台。实验结果表明，由特征约减算法挑选出来的入侵特征集较优，Ada-加权和Ada-域值分类器的分类效果优于支持向量机分类器，且Ada-域值分类器在测试集上的检测性能最佳...
基于Adaboost的车标定位方法
Adaboost算法 车标定位 特征提取
2009/7/31
车标定位是智能交通系统中一个重要的组成部分，该文针对车标在成像过程中受到光线和其他条件影响较大的情况，提出一种基于Adaboost算法的车标定位方法，将车辆彩色图像进行预处理，再使用Adaboost算法进行车标定位，该方法具有较快的定位速度和较高的准确率。实验证明，采用该方法能获得较好的车标定位效果，具有一定的实用价值。
基于矩形特征和改进Adaboost的手势检测
改进Adaboost 复杂背景 手势检测
2009/7/31
为了实时、精确地从视频流中检测和识别出特定手势，提出一种矩形特征描述手势，给出快速计算方法和手势类可分离性的评价方法。为了避免分类器的过度训练问题，提出一种基于此方法的改进的Adaboost算法。实验结果表明，矩形特征能够产生可靠的检测器，对手势的姿态变化较敏感。在摄像头实时捕获视频中，其检测手势实时性较好，对复杂背景和噪声有较强的适应能力，当手势旋转角度小时，正确检测率可以达到95%以上。
改进的AdaBoost算法与SVM的组合分类器
支持向量机 组合分类器 规则抽样
2009/7/22
提出了一种改进的AdaBoost算法与支持向量机组合的分类方法，用来处理多类别分类。采用规则抽样来解决支持向量机分类中正负样本的不平衡性，改进AdaBoost算法，使其在初始化时考虑样本分布稀疏的重要性，有利于稀有类样本的正确划分。实验结果表明，此方法与标准支持向量机分类器相比，泛化性能有一定程度的提高。
基于Adaboost集成RBF神经网络的高速公路事件检测
Adaboost 高速公路事件检测 RBF神经网络
2009/7/21
提出一种基于Adaboost集成RBF神经网络的高速公路事件检测方法。首先对高速公路事件检测原理进行分析，进行了相关的参数选择，确定了RBF神经网络的结构，然后采用改进的Adaboost方法集成RBF神经网络进行高速公路事件检测并给出了事件检测算法的步骤，最后进行了仿真实验，实验结果表明，该方法可以明显提高RBF神经网络性能（高检测率、低误报率），且具有较强的泛化能力，适宜高速公路事件检测。
基于SVM-Adaboost的中文组块分析
中文组块分析 Adaboost 支持向量机
2009/7/21
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。
基于多阈值弱学习的Adaboost检测器
Adaboost算法 弱分类器 平缓的Adaboost
2009/7/17
近年来基于Adaboost 的人脸检测算法因其快速和可接受的检测率得到了成功的应用。但采用单阈值作弱分类器显得太弱难于适应复杂的统计分布，且训练过程较慢收敛。为克服这些困难，采用分类树作弱学习器，该学习器以贪婪的的方法用误差测度减少最大化的划分准则划分节点，并由此生成弱分类器，然后采用RAB或GAB方法在给定数据和标签的训练集上将这些弱分类器提升为强分类器。实践结果表明采用多阈值作弱分类器能显著提...