搜索结果: 1-15 共查到“计算机应用 Adaboost”相关记录16条 . 查询时间(0.106 秒)
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
font style='font-size:12px;'>
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。
一种Adaboost快速训练算法
人脸检测 分类器 训练算法
font style='font-size:12px;'>
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
font style='font-size:12px;'>
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
font style='font-size:12px;'>
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.
基于矩形特征和改进Adaboost的手势检测
改进Adaboost 复杂背景 手势检测
font style='font-size:12px;'>
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
font style='font-size:12px;'>
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
font style='font-size:12px;'>
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。
基于改进的Adaboost算法的交通事件自动检测
事件检测 神经网络 交通流
font style='font-size:12px;'>
2009/7/17
针对交通领域中的事件检测（无事件模式和事件模式）模式识别问题，提出了一种基于改进的Adaboost算法的交通事件检测方法。阐述了Kohonen神经网络的结构与训练算法，分析了事件对交通流的影响规律，并合理地选取了Kohonen神经网络的输入量；最后采用改进的Adaboost算法对分类结果进行加权投票。仿真实验表明，提出的方法学习速度快、泛化能力好，对交通事件具有较好的检测效果。
动态权值预划分实值Adaboost人脸检测算法
人脸检测 层叠分类器 动态权值
font style='font-size:12px;'>
2009/5/5
提出了Real-Adaboost的一种改进算法。该算法采用预先计算类Haar特征所对应弱分类器在样本空间的划分，并动态更新人脸训练样本的权值。与以往的Real-Adaboost算法比较，该算法大大缩短了训练时间，算法训练时间复杂度降到O(T*M*N)，同时加速了强分类器的收敛性能，减少检测器的弱分类器数量，减少检测时间。
基于AdaBoost的改进模糊分类规则集成学习
模糊分类规则 AdaBoost算法 分类器集成
font style='font-size:12px;'>
2009/5/5
基于集成学习提出了一种新的模糊分类规则的产生算法。将分类规则的前件、后件模糊化,在自适应提升(Adaptive Boosting,AdaBoost)算法的迭代中,调整训练实例的分布,利用遗传算法产生模糊分类规则。并在规则学习的适应度函数中引入训练实例的分布,使得模糊分类规则在产生阶段就考虑相互之间的协作,产生具有互补性的分类规则集。从而改善了模糊分类规则的整体识别能力,提高了分类识别精度。
基于AdaBoost的SAR图像自动分类
纠错输出码 灰度共生矩阵 合成孔径雷达
font style='font-size:12px;'>
2009/4/29
受相干斑噪声的影响，传统的SAR图像分类方法很难得到较好的分类效果。文中提出一种SAR图像自动分类算法，该算法基于灰度共生矩阵提取特征，结合了AdaBoost和纠错编码设计分类器。实验结果表明，该算法可以得到较好的分类结果。与传统的最大似然法相比，分类精度得到了显著的提高。
A Two-Stage Approach to Highlight Extraction in Sports Video by Using AdaBoost and Multi-modal
Highlight extraction AdaBoost feature selection audio classification Linear Weighted Model
font style='font-size:12px;'>
2013/7/17
In this paper, we propose a novel two-stage approach for highlight extraction in sports video. In the first stage, a preliminary classification is performed to the audio stream to locate the position ...
AdaBoost算法在喷码图像识别的应用
喷码 AdaBoost算法 号码识别
font style='font-size:12px;'>
2008/12/11
喷码在印刷中使用比较普遍，其识别通常采用模板匹配的方法，但是由于喷码常出现误差，为模板匹配方法识别带来难度。AdaBoost是一个建构准确分类器的学习算法，文中将此算法应用于喷码图像的识别，不仅提高了识别的准确率，速度也更为理想。
PEOPLE RE-DETECTION USING ADABOOST WITH SIFT AND COLOR CORRELOGRAM
people re-detection SIFT Color Autocorrelogram Adaboost
font style='font-size:12px;'>
2013/7/17
People re-detection aims at performing re-identification of people who leave the scene and reappear after some time. This is an important problem especially in video surveillance scenarios. In t...