搜索结果: 1-15 共查到“工学 Adaboost”相关记录53条 . 查询时间(0.077 秒)
采用多类代价指数损失函数的代价敏感AdaBoost算法
代价敏感 AdaBoost算法 多分类 贝叶斯决策 损失函数
2017/8/22
为解决由多个二类代价敏感算法扩展而成的多类算法存在时间复杂度高和不能区分错分代价的问题,提出一种采用多类代价指数损失函数的多类代价敏感AdaBoost算法(MCCSADA)。为保证算法的代价敏感特性,首先设计一种满足代价敏感损失函数设计准则的多类代价敏感指数损失函数;然后将此损失函数作为评价分类器性能的标准,以最小化损失函数为目的使用逐步叠加模型推导算法的最优基分类器加权系数;最后使用多类代价损失...
猪肉的贮藏时间和猪肉的新鲜度紧密相关。通过近红外漫反射光谱技术获取猪肉样本数据，利用正交线性判别分析（ＯＬＤＡ）算法进行特征提取，同时将自适应提升法（Ａｄａｂｏｏｓｔ）引入ＯＬＤＡ，提出了一种基于Ａｄａｂｏｏｓｔ和ＯＬＤＡ的集成学习算法———Ａｄａｂｏｏｓｔ＋ＯＬＤＡ。实验针对分类正确率和运算时间将传统特征提取算法（ＰＣＡ＋ＬＤＡ和ＯＬＤＡ）和Ａｄａｂｏｏｓｔ＋ＯＬＤＡ算法进行了对比研究，结果表明...
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...
对基于多核函数的最小二乘支持向量机算法(MKLSSVM)和采用支持向量机作为弱分类器的AdaBoost算法(AdaBoostSVM) 这两种新型的分类算法进行了研究。将这两种算法应用于求解心脏单光子发射计算机化断层显像(SPECT)图像数据的二分类问题和iris数据集的多分类问题，并从平均分类精度和平均运行时间两方面进行比较分析。最后通过Sammon映射给出了分类的可视化结果。试验结果验证了M...
传统网络中的入侵检测方法运算复杂，不适用于资源受限的无线传感器网络，提出了一种分级结构的Adaboost入侵检测算法，通过增大权重变化量、寻找最优分类器等方法，提高了检测的准确性与及时性；采用二叉树结构解决了检测的多分类问题；提出了入侵检测系统数据采集传输协议，解决了因分级结构带来的通信开销增大的问题；文中还讨论了无线传感器网络入侵检测系统性能的评价标准。理论分析和仿真实验表明，该方法具有较高的准...
高分辨率遥感影像分析中，如何充分挖掘像素间的空间关系来保证分析结果的空间连续性，成为提高影像解译精度的关键。提出了一种度量像素间空间相关关系特征的邻域模式，即空间像素模板，并结合Adaboost集成学习算法来实现IKONOS高分辨率影像上河流的精确提取。首先，基于过滤式特征选择方法自动生成像素模板的具体形式，继而构建多维特征向量，然后利用Adaboost算法实现多特征的加权集成利用，从而最终精确地...
基于AdaBoost的欠抽样集成学习算法
不平衡数据集 AdaBoost算法 欠抽样
2013/12/12
不平衡数据集分类中,采用欠抽样方法容易忽略多数类中部分有用信息,为此提出一种基于AdaBoost的欠抽样集成学习算法U-Ensemble。该方法首先使用AdaBoost算法对数据集预处理,得到各样例权重。训练基分类器时,针对多数类数据不再采用bootstrap抽样方法,而是分别随机选择部分权重较大的样例与部分权重较小的样例,使两部分样例个数与少数类样例个数相同,并组成Bagging成员分类器的训练...
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。
为解决前视地表穿透虚拟孔径雷达中地雷的分类问题，在传统AdaBoost算法的基础上，将特征选择作为弱分类器迭代的一部分，并将恒探测率下的虚警率作为特征选择的代价函数，提出一种基于弱分类器迭代及自适应特征选择的分类算法。通过实测数据验证，该分类算法适用于前视地表穿透虚拟孔径雷达中地雷与杂波的分类，同传统AdaBoost算法相比，分类性能有很大改善。
非对称AdaBoost算法及其在目标检测中的应用
代价敏感学习 集成学习 非对称AdaBoost算法 目标检测
2010/12/3
针对目标检测中的非对称分类问题，在分析现有的由离散AdaBoost算法扩展得到的代价敏感(即非对称)学习算法的基础上，提出了以三个不同的非对称错误率上界为核心的推导非对称AdaBoost算法的统一框架. 在该框架下, 不仅现有离散型非对称AdaBoost算法之间的关系非常清晰, 而且其中不符合理论推导的部分可以很容易得到修正. 同时, 利用不同的优化方法, 最小化这三个不同上界, 推出了连续型Ad...
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。
提出了多维金字塔表达算法, 并使用基于多维金字塔表达的AdaBoost实现了高分辨率合成孔径雷达(Synthetic aperture radar, SAR)图像的城区场景分类. 多维金字塔表达算法首先在局部特征的各维计算金字塔表达矢量, 再将所有的金字塔表达矢量连接起来构成多维金字塔表达矢量. 多维金字塔表达算法克服了金字塔表达算法在处理高维局部特征时, 遇到的输出金字塔表达矢量的区分力受计算效...
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...