标记样本的Adaboost算法

摘要：

提升(Boost)学习算法中,可以划分为多数提升和Adaboost两类.Adaboost是目前比较流行的分类方法,目前在多媒体和计算机视觉领域得到了广泛的应用.文中介绍了Adaboost方法的原理与方法,通过在提升过程中对训练集中部分样本的标记,提出了一种新的Adaboost算法的训练方法,并且用实验数据对该方法进行验证.该方法通过对前一轮提升后权值较小的那部分样本作标记,增加了后一轮提升抽样的有效容量,从而使算法中的分类器能够更快速地关注那些很难分类的样本.

关键词：Adaboost算法、提升、抽样、有效容量

所属期刊栏目：18

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60475017;安徽省高等学校自然科学研究项目2006kj055B

在线出版日期：2008-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：109-111,115