注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 文献综述 范文 基于Adaboost算法的人脸检测

  2. 毕业设计的文献综述“Adaboost是一种自适应的boosting算法，该算法利用大量的分类能力一般的简单（弱）分类器(Basic Classifier)通过一定的方法叠加(Boost)起来，构成一个分类能力很强的强分类器(Strong Classifier)。其基本思想是：当分类器对某些样本正确分类时，则减少这些样本的权值；当错误分类时，则增加这些样本的权值，让学习算法在后续的学习中集中对比较难的训练样本进行学习，最终得到一个识别率理想的分类器。该算法的人脸检测对于单人脸正面图像的检测效果较

  3. 所属分类：Java

    • 发布日期：2011-04-07
    • 文件大小：155kb
    • 提供者：ch5092159

  1. adaboost算法matlab实现

  2. adaboost算法是一个由多个弱分类器生成一个强分类器的算法，可以提高分类的正确率，这里利用adaboost算法的原理，结合matlab做了一个简单的实例 里面h1-h8为八个弱分类器，adaboost为训练的主函数，test调用了训练函数，对一个样本进行测试，calerr计算每次循环后的错误频率

  3. 所属分类：专业指导

    • 发布日期：2013-07-27
    • 文件大小：4kb
    • 提供者：angellinz

  1. machine learning adaboost

  2. AdaBoost算法有AdaBoost.M1和AdaBoost.M2两种算法，AdaBoost.M1是我们通常所说的Discrete AdaBoost，而AdaBoost.M2是M1的泛化形式。关于AdaBoost算法的一个结论是:当弱分类器算法使用简单的分类方法时,boosting的效果明显地统一地比bagging要好.当弱分类器算法使用C4.5时,boosting比bagging较好,但是没有前者明显。后来又有学者提出了解决多标签问题的AdaBoost.MH和AdaBoost.MR算法,其

  3. 所属分类：Python

    • 发布日期：2014-12-04
    • 文件大小：72kb
    • 提供者：suipingsp

  1. AdaBoost在matlab下的简单实现

  2. 对AdaBoost算法进行学习后，在matlab平台下，实现AdaBoost算法。在实验中，训练样本的产生方式是：X=rand(length,2);length是样本数。即，随机产生length个点（x,y）且x、y均位于区间[0，1]。点的类别为两类：正类、负类，取值分别为+1，-1。实现方式为Y=A.^2+B.^2; Z=[(floor(Y)-0.5)*2, A, B];采用的弱分类器是决策树桩分类器，具体为：用一条垂直于x轴或者垂直于y轴的直线划分样本点。因为训练样本点的产生是二次函数的

  3. 所属分类：其它

    • 发布日期：2015-07-22
    • 文件大小：5kb
    • 提供者：alkohlbaby

  1. C++实现AdaBoost算法(机器学习 Boost)

  2. C++实现机器学习AdaBoost算法(提升算法:多个弱分类器组成一个强分类器).代码干净,整洁,有注释可直接使用.

  3. 所属分类：C++

    • 发布日期：2015-07-27
    • 文件大小：10kb
    • 提供者：theone_jie

  1. AdaBoost算法实现

  2. 基于二叉分类决策树的AdaBoost算法实现，特征必须为2值的，标签可为多个

  3. 所属分类：C/C++

    • 发布日期：2015-09-25
    • 文件大小：4kb
    • 提供者：it_happens

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：专业指导

    • 发布日期：2016-01-05
    • 文件大小：220kb
    • 提供者：huangyueranbbc

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：Java

    • 发布日期：2017-04-08
    • 文件大小：220kb
    • 提供者：q6115759

  1. 基于多特征融合的J波分类模型

  2. J波是心电图上出现的一种异常变异。应用计算机实现J波自动分类对J波疾病的临床诊断有着重要意义。基于时频域和相空间两个分析角度，一方面使用调Q小波变换（Tunable Q Wavelet Transform，TQWT）和高阶累积量挖掘信号时频域的细节特性；另一方面应用递归图（Recurrence plot，RP）评估心脏系统递归点的发生状态。两类特征降维后并行融合于改进的AdaBoost分类器实现正常、良性J波和恶性J波分类。结果显示，设计的J波多分类算法平均准确度约达到79%，可以用于J波良、恶

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：890kb
    • 提供者：weixin_38674512

  1. 改进的AdaBoost在表情识别中的应用

  2. 考虑到人脸表情识别问题在未来的科学应用中可能出现的样本分布不均匀的情况，在提高识别率的基础上，针对这类问题进行了实验研究，将一种改进的AdaBoost算法与SVM结合运用到表情分类当中。实验结果表明，在出现稀有样本的情况下，相对于普通的AdaBoost训练SVM以及单纯的SVM进行多分类的方法，该算法在识别率方面有了很大提高。

  3. 所属分类：其它

    • 发布日期：2020-10-18
    • 文件大小：339kb
    • 提供者：weixin_38698927

  1. 多分类数据集生成matlab代码

  2. 用于生成测试多分类算法的数据集。自动生成500组数据，数据分为5种类型。适用于adaboost算法，svm算法，BP算法。

  3. 所属分类：其它

    • 发布日期：2020-12-01
    • 文件大小：1kb
    • 提供者：Glico1520

  1. adaboost算法多分类

  2. adaboost算法多分类

  3. 所属分类：网络安全

    • 发布日期：2021-03-18
    • 文件大小：292kb
    • 提供者：gcl1997

  1. 健壮的多类AdaBoost算法，用于标签错误的嘈杂数据

  2. AdaBoost在理论上和经验上都被证明是一种非常成功的整体学习算法，它可以迭代地生成一组多样化的弱学习者，并使用加权多数投票规则作为最终决定来组合其输出。 但是，在某些情况下，AdaBoost会导致过度拟合，特别是对于标签错误的嘈杂训练示例，会导致其泛化性能下降和不稳健。 最近，有人提出了一种有代表性的方法，即基于噪声检测的AdaBoost（ND_AdaBoost），以提高AdaBoost在两类分类方案中的鲁棒性，但是，在多类方案中，这种方法很难获得令人满意的性能。出于以下三个原因。 （1）如

  3. 所属分类：其它

  1. 集成学习之bagging、boosting及AdaBoost的实现

  2. 前面博客分享，我们已经讲解了不少分类算法，有knn、决策树、朴素贝叶斯、逻辑回归、svm。我们知道，当坐重要决定时，大家可能都会考虑吸取多个专家而不是一个人的意见。机器学习处理问题时同样如此。集成学习（ensemblelearning)通过构建并结合多个学习器来完成学习任务，有时被称为多分类器学习系统、基于委员会的学习等。下图显示出集成学习的一般结构：先产生一组“个体学习器”，再用某种策略将它们结合起来。我们前面已经分享了五种不同的分类算法，我们可以将其用不同的分类器组合起来，这种组合结果则被称

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：344kb
    • 提供者：weixin_38699784

  1. R数据分析之AdaBoost算法

  2. Boosting算法是简单有效、易使用的建模方法。AdaBoost（自适应提升算法）通常被称作世界上现成的最好分类器。Boosting算法使用其他的弱学习算法建立多个模型，对数据集中对结果影响较大的对象增加权重，一系列的模型被创建，然后调整那些影响分类的模型的对象权重值，实际上，模型的权重值从一个模型到另一个模型震荡。最后的模型由一系列的模型组合而成，每个模型的输出都根据相应的成绩被赋予权重值。我们注意到，如果数据失效或者弱分类器过于复杂都会导致boosting失败。Boosting有些类似于随

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：367kb
    • 提供者：weixin_38705014

  1. 贝叶斯学习和增强：贝叶斯分类器和Adaboost算法的实现-源码

  2. 贝叶斯学习与增强 贝叶斯分类器和Adaboost算法的实现可生成跨训练数据的不同分布生成的多个假设。

  3. 所属分类：其它

  1. Adaboost算法集成颜色和纹理特征的图像检索技术

  2. 特征提取是图像检索的关键步骤，针对仅基于一种特征只能表达图像的部分属性，并且在多分类问题中，对图像内容的描述比较片面，缺乏足够的分辨能力。在图像类别较多，并且图像变化较大的场合不能取得理想的检索效果。基于相关反馈检索机制，提出了一种由Adaboost算法集成颜色和纹理特征的相关反馈图像检索方法。实验结果表明，通过反馈机制的Adaboost算法集成组合特征进行图像检索，该方法有较好的检索性能。

  3. 所属分类：其它

  1. 基于肤色分割和改进AdaBoost算法的人脸检测

  2. 为解决当被检测图像中具有复杂背景或者含有多人脸时，不能够快速准确的进行人脸检测的问题，本文提出一种基于肤色分割和改进AdaBoost算法的人脸检测方法。首先利用肤色分割方法对样本图像实现图像的预处理，排除样本图像的复杂背景和人体非肤色区域，简化后续的人脸检测工作。然后对AdaBoost算法的弱分类器使用双阈值判决方法，以减少弱分类器个数，提升训练速度；改进权值更新规则，防止训练过程中出现过分配现象。最后对基于肤色分割得到的区域图像利用改进后的Adaboost算法进行最后的精确人脸检测。仿真试验表

  3. 所属分类：其它

  1. 基于核稀疏表示和AdaBoost算法的自然场景识别

  2. 为了提升自然场景图像的识别精度，结合bag-of-visual word模型，提出了一种基于核稀疏表示的图像识别方法。该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示，识别部分采用AdaBoost分类器，对各个类别编码并在对应的核矩阵上进行划分，从而实现多类场景图像的识别能力。实验结果表明，该方法有效的提升了图像描述的准确度与对自然场景图像识别的精度。

  3. 所属分类：其它

  1. R数据分析之AdaBoost算法

  2. Boosting算法是简单有效、易使用的建模方法。AdaBoost（自适应提升算法）通常被称作世界上现成的最好分类器。Boosting算法使用其他的弱学习算法建立多个模型，对数据集中对结果影响较大的对象增加权重，一系列的模型被创建，然后调整那些影响分类的模型的对象权重值，实际上，模型的权重值从一个模型到另一个模型震荡。最后的模型由一系列的模型组合而成，每个模型的输出都根据相应的成绩被赋予权重值。我们注意到，如果数据失效或者弱分类器过于复杂都会导致boosting失败。Boosting有些类似于随

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：365kb
    • 提供者：weixin_38628310
« 12 3 4 »