10.11959/j.issn.1000-0801.2019219
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器训练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,引入最小二乘法求解拟合多项式函数,并转换成离散分类值,从而获得弱分类器.其次从获得的众多弱分类器中,选择分类误差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器的个数.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96.59%.
AdaBoost、拟合型、最小二乘法、弱分类器
35
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目51675286,61071198
2019-12-31(万方平台首次上网日期,不代表论文的发表时间)
共9页
27-35