我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于遗传寻优的双阈值型AdaBoost分类器 下载：77 浏览：440

张梦娇 叶庆卫 陆志华 周宇 《数据与科学》 2020年6期

摘要:
针对双阈值型AdaBoost分类器存在搜索弱分类器过程复杂和训练耗时长的问题,结合遗传算法的思想,提出了一种基于遗传寻优的双阈值型AdaBoost分类器。该方法通过对特征和两个阈值的编码来寻找弱分类器,利用遗传算法的全局寻优性,能够快速寻找到最佳弱分类器,减少训练时间。另外,在此基础上提出设置两阈值之间最小间距的方法,增强其抗干扰能力,具有更好的鲁棒性。为验证实验效果,对MIT-CBCL人脸库提取局部二值模式(Local Binary Pattern,LBP)特征进行验证。实验结果显示,改进后的双阈值型AdaBoost分类器比经典AdaBoost分类器在训练时间上提升了5倍,比双阈值型AdaBoost分类器提升了18倍,具有更快的收敛速度。与此同时,因为增加了两阈值之间的最小间距,改进后的算法具有更强的抗噪性能。

基于双特征的改进型AdaBoost人脸检测算法 下载：59 浏览：451

张均 叶庆卫 《天线研究》 2020年3期

摘要:
针对传统AdaBoost算法在单特征分类器训练时耗费时间长、弱分类器质量低的问题,本文提出一种基于双特征的改进型AdaBoost分类检测算法。首先,通过粒子群寻优算法(PSO)搜寻最优的两个特征,以及两特征对应的阈值,形成双特征型弱分类器。接着将弱分类器组合成强分类器,最后在MATLAB软件中利用MIT人脸数据库进行仿真实验,结果表明本文基于双特征的分类器性能优于单特征分类器。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享