虚警率约束的联合弱分类器集成学习算法

摘要：

提出一种联合弱分类器集成学习算法.借鉴Adaboost方法采用弱分类器构建强分类器的思想,联合多个弱分类器构建特征分类的得分函数,生成一个集成分类器.在分类器训练时,采用ROC曲线围成的AUC面积值构建目标函数,加入虚警率上下限约束条件,采用列生成算法学习弱分类器,采用割平面法学习弱分类器的系数.在PASCAL VOC-2007数据集上进行目标检测实验,实验结果表明,与常用的支持向量机、Adaboost、随机森林和卷积神经网络分类方法相比,该方法的假正率指标低,真正率指标高.

关键词：分类、弱分类器、目标检测、目标函数、割平面法

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：河南省科技厅科技计划课题基金项目112102310550

在线出版日期：2018-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3344-3348,3407