期刊文献+
共找到136篇文章
< 1 2 7 >
每页显示 20 50 100
基于MIDBO-BP-Adaboost的高铁路基沉降预测
1
作者 贺全鹏 司涌波 李少远 《北京交通大学学报》 北大核心 2025年第3期182-192,共11页
针对温度、湿度等因素影响带来的高铁路基沉降问题,提出一种改进的蜣螂优化算法(My Improved Dung Beetle Optimization Algorithm,MIDBO)-反向传播(Back Propagation,BP)神经网络-自适应提升算法(Adaptive Boosting,Adaboost)组合预测... 针对温度、湿度等因素影响带来的高铁路基沉降问题,提出一种改进的蜣螂优化算法(My Improved Dung Beetle Optimization Algorithm,MIDBO)-反向传播(Back Propagation,BP)神经网络-自适应提升算法(Adaptive Boosting,Adaboost)组合预测模型.首先,为解决蜣螂优化算法易陷入局部最优和复杂工程应用效果不佳的缺陷,提出一种复合混沌映射、模拟退火算法、非线性指数动态权重系数多策略融合的MIDBO算法;然后,利用MIDBO算法对BP神经网络进行优化,再与Adaboost算法结合,建立了MIDBO-BP-Adaboost模型;最后,将不同模型应用于兰新高速铁路进行预测分析.研究结果表明:MIDBO算法有效优化了BP神经网络,提高了模型精度;Adaboost算法提高了模型的稳健性和泛化能力;与BP预测模型相比,MIDBO-BP-Adaboost模型的平均绝对误差、均方根误差、平均绝对百分比误差分别减小63.81%、63.84%、62.26%,拟合系数提高18.82%.研究成果可以为兰新高铁路基沉降预测提供参考. 展开更多
关键词 交通信息工程及控制 高速铁路 路基沉降 蜣螂优化算法 反向传播神经网络 自适应提升算法
在线阅读 下载PDF
基于RF-AdaBoost算法的配电线路火灾风险预测
2
作者 田甜 王军 +2 位作者 宁鑫 孙章 王鑫 《电力科学与技术学报》 北大核心 2025年第3期45-51,共7页
针对山火威胁配电线路稳定运行的问题,建立配电线路火灾风险预测模型具有重要意义,然而山火数据稀缺导致样本不平衡,会影响模型的准确性。为此,首先基于气象、地理、可燃物、社会等影响因子,采用支持向量机,结合代价敏感思想,赋予少数... 针对山火威胁配电线路稳定运行的问题,建立配电线路火灾风险预测模型具有重要意义,然而山火数据稀缺导致样本不平衡,会影响模型的准确性。为此,首先基于气象、地理、可燃物、社会等影响因子,采用支持向量机,结合代价敏感思想,赋予少数类样本更大权重;然后采用递归特征消除法选择出有利于少数类分类的特征,在此基础上,构建基于随机森林-自适应增强(random forest-adaptive boosting,RF-AdaBoost)算法的配电线路火灾风险预测模型;最后选取四川省西昌市某10 kV线路走廊区域开展实例验证,采用十折交叉验证并与其他算法进行对比,得出所提算法的召回率提高至76.67%,有效减小了样本不平衡问题对模型性能的影响,降低了山火误判,为线路走廊山火防治提供了依据。 展开更多
关键词 配电线路 样本不平衡 山火 风险预测 随机森林-自适应增强
在线阅读 下载PDF
Boosting家族AdaBoost系列代表算法 被引量:27
3
作者 涂承胜 刁力力 +1 位作者 鲁明羽 陆玉昌 《计算机科学》 CSCD 北大核心 2003年第3期30-34,145,共6页
Boosting is one of the most representational ensemble prediction methods. It can be divided into two se-ries: Boost-by-majority and Adaboost. This paper briefly introduces the research status of Boosting and one of it... Boosting is one of the most representational ensemble prediction methods. It can be divided into two se-ries: Boost-by-majority and Adaboost. This paper briefly introduces the research status of Boosting and one of its seri-als-AdaBoost,analyzes the typical algorithms of AdaBoost. 展开更多
关键词 boosting adaboost.R算法 adaboost.oc算法 学习算法 adaboost算法
在线阅读 下载PDF
基于TrAdaBoost-GBDT模型的排土场边坡稳定状态判别 被引量:1
4
作者 江松 李涛 +3 位作者 李锦源 李研博 张存良 张立杰 《中国安全科学学报》 CAS CSCD 北大核心 2024年第11期89-98,共10页
针对露天矿排土场失稳数据获取困难,样本数据量少等问题,提出基于迁移学习算法的露天矿排土场边坡稳定状态判别模型;结合陕西省F露天矿排土场边坡的实际地质条件和降雨情况,设计降雨条件下排土场不同土石混合比边坡的相似模拟试验方案,... 针对露天矿排土场失稳数据获取困难,样本数据量少等问题,提出基于迁移学习算法的露天矿排土场边坡稳定状态判别模型;结合陕西省F露天矿排土场边坡的实际地质条件和降雨情况,设计降雨条件下排土场不同土石混合比边坡的相似模拟试验方案,并采集和处理试验中边坡模型的含水率、土压力和孔隙水压力数据;考虑到小样本数据集对梯度提升回归树(GBDT)模型分类精度的影响,运用迁移学习思想,利用迁移自适应增强算法(TrAdaBoost)对源域数据集和目标域数据集样本权重进行迭代更新,以GBDT模型作为数据样本训练的弱学习器,最终根据弱学习器的分类结果,通过加权多数表决法生成一种基于迁移学习的TrAdaBoost-GBDT排土场边坡稳定状性判别模型,以提高小样本数据标签类别的判别准确率。结果表明:相对其他算法模型,提出的排土场边坡稳定状态判别模型在稳定状态判别上有更好的表现,准确率、精准率、召回率和曲线下面积值(AUC)分别达到93.3%、87.5%、100%和93.8%,能够作为边坡稳定状态判别的分类器。该模型相对其他算法模型可以提高小样本数据集的边坡稳定状态判别的准确性,弥补机器学习对小样本数据集分类结果精度较低的不足。 展开更多
关键词 排土场边坡 稳定状态判别 迁移自适应增强梯度提升回归树(Tradaboost-GBDT) 迁移学习 小样本
在线阅读 下载PDF
基于集成学习模型与贝叶斯优化算法的成矿预测
5
作者 孔春芳 田倩 +3 位作者 刘健 蔡国荣 赵杰 徐凯 《地学前缘》 北大核心 2025年第4期122-139,共18页
全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一... 全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一个非常耗时的过程,需要繁琐的计算和足够的专家经验。本文提出了一种基于多源地学知识与贝叶斯优化算法的集成学习模型来解决上述问题。具体来说,首先,基于多源地学知识,构建锰矿成矿预测数据库;其次,基于自适应提升模型(Adaptive Boosting,AdaBoost)和随机森林(Random Forest,RF)模型,建立黔东北锰矿成矿预测模型;然后,采用贝叶斯优化算法(Bayesian Optimization,BO),通过5倍交叉验证的辅助,寻找BO-AdaBoost和BO-RF模型最合适的超参数组合;最后,利用精度、准确率、召回率、F_(1)分数、kappa系数、AUC值等参数及已有成果检测模型的性能。实验结果发现,BO-AdaBoost和BO-RF模型的AUC值都得到了显著的提高,表明BO是一个强大的优化工具,优化结果为集成学习模型的超参数设置提供了参考。同时,实验结果也表明:BO-AdaBoost模型(92.8%)比BO-RF模型(89.9%)具有更高的预测精度和地质泛化能力,在成矿预测方面具有巨大潜力。基于BO-AdaBoost模型的预测图为黔东北隐伏锰矿矿床的勘探提供了重要线索,并可以指导未来的矿产勘探与开发。 展开更多
关键词 集成学习 自适应提升模型 随机森林 贝叶斯优化算法 隐伏锰矿 成矿预测
在线阅读 下载PDF
拦截弹主动段自适应能量分配弹道规划方法
6
作者 陈万春 郑佳 +3 位作者 郑学合 于琦 曾鹏 王超 《现代防御技术》 北大核心 2025年第3期103-111,共9页
针对大机动目标难以拦截的问题,提出了一种基于自适应能量分配的拦截弹主动段弹道规划方法。基于广义标控脱靶量制导律,通过对各级关机点参数进行优化,建立不同能量的射表。在射前使用能量保留射表进行规划,预留部分能量以应对目标未来... 针对大机动目标难以拦截的问题,提出了一种基于自适应能量分配的拦截弹主动段弹道规划方法。基于广义标控脱靶量制导律,通过对各级关机点参数进行优化,建立不同能量的射表。在射前使用能量保留射表进行规划,预留部分能量以应对目标未来的未知机动。当发现目标机动之后,根据拦截弹主动段剩余飞行时间,自适应选择能量更优的射表进行重规划,逐步释放射前规划所预留的能量。仿真结果表明,该方法在拦截大机动目标的场景中显著提升了拦截能力。 展开更多
关键词 能量分配 自适应 弹道规划 大机动目标拦截 主动段 广义标控脱靶量
在线阅读 下载PDF
一种基于数据驱动的空调负荷预测方法
7
作者 周孟然 周光耀 +6 位作者 胡锋 朱梓伟 张奇奇 王玲 孔伟乐 吴长臻 崔恩汉 《河南师范大学学报(自然科学版)》 北大核心 2025年第3期128-134,共7页
空调负荷预测是空调负荷潜力分析和电网空调负荷调控的基础,为了精确地对空调负荷进行预测,文中提出了一种考虑到外界影响因素以及集成优化的空调负荷预测方法.首先,拟定好实验运行方案并采集影响因素数据.其次,使用近邻成分分析(NCA)... 空调负荷预测是空调负荷潜力分析和电网空调负荷调控的基础,为了精确地对空调负荷进行预测,文中提出了一种考虑到外界影响因素以及集成优化的空调负荷预测方法.首先,拟定好实验运行方案并采集影响因素数据.其次,使用近邻成分分析(NCA)方法进行特征选择,剔除重要度小的特征.然后使用白鲨优化算法(white shark optimizer,WSO)对支持向量回归(support vector regression,SVR)的正则化参数和核函数的宽度参数进行优化,最后,结合自适应提升算法(adaptive boosting,Adaboost)构建Adaboost-WSO-SVR主模型,检验其精度并与其他方法进行比较.结果表明,提出的Adaboost-WSO-SVR主模型相比于集成优化后的BP,ELM模型精度更高.可知提出的方法在负荷预测方面效果更好,为空调节能优化控制策略提供依据. 展开更多
关键词 空调负荷 负荷预测 特征选择 白鲨优化算法 自适应提升算法 支持向量回归
在线阅读 下载PDF
AdaBoost算法研究进展与展望 被引量:285
8
作者 曹莹 苗启广 +1 位作者 刘家辰 高琳 《自动化学报》 EI CSCD 北大核心 2013年第6期745-758,共14页
AdaBoost是最优秀的Boosting算法之一,有着坚实的理论基础,在实践中得到了很好的推广和应用.算法能够将比随机猜测略好的弱分类器提升为分类精度高的强分类器,为学习算法的设计提供了新的思想和新的方法.本文首先介绍Boosting猜想提出... AdaBoost是最优秀的Boosting算法之一,有着坚实的理论基础,在实践中得到了很好的推广和应用.算法能够将比随机猜测略好的弱分类器提升为分类精度高的强分类器,为学习算法的设计提供了新的思想和新的方法.本文首先介绍Boosting猜想提出以及被证实的过程,在此基础上,引出AdaBoost算法的起源与最初设计思想;接着,介绍AdaBoost算法训练误差与泛化误差分析方法,解释了算法能够提高学习精度的原因;然后,分析了AdaBoost算法的不同理论分析模型,以及从这些模型衍生出的变种算法;之后,介绍AdaBoost算法从二分类到多分类的推广.同时,介绍了AdaBoost及其变种算法在实际问题中的应用情况.本文围绕AdaBoost及其变种算法来介绍在集成学习中有着重要地位的Boosting理论,探讨Boosting理论研究的发展过程以及未来的研究方向,为相关研究人员提供一些有用的线索.最后,对今后研究进行了展望,对于推导更紧致的泛化误差界、多分类问题中的弱分类器条件、更适合多分类问题的损失函数、更精确的迭代停止条件、提高算法抗噪声能力以及从子分类器的多样性角度优化AdaBoost算法等问题值得进一步深入与完善. 展开更多
关键词 集成学习 boosting adaboost 泛化误差 分类间隔 多分类
在线阅读 下载PDF
P300 Speller中基于AdaBoost SVM的导联筛选研究 被引量:7
9
作者 綦宏志 许敏鹏 +3 位作者 明东 万柏坤 刘志朋 殷涛 《仪器仪表学报》 EI CAS CSCD 北大核心 2012年第5期985-990,共6页
P300 Speller是目前少数可以用于临床残疾人功能补偿的脑-机接口系统,P300 Speller的字符识别效率与脑电信号采集的头皮表面电极位置密切相关,过多的电极不但增加了使用者的不适感,且易引入噪声干扰进而影响系统的稳定性。采用并发展了... P300 Speller是目前少数可以用于临床残疾人功能补偿的脑-机接口系统,P300 Speller的字符识别效率与脑电信号采集的头皮表面电极位置密切相关,过多的电极不但增加了使用者的不适感,且易引入噪声干扰进而影响系统的稳定性。采用并发展了一种基于AdaBoost SVM(adaptive boosting support vector machine)的特征筛选方法,对脑电导联进行优化筛选,通过对6位受试者的实验数据处理及分析,结果表明该方法可以在不显著影响识别效率的基础上降低导联数量76%以上。另外,相较于经典的SVM-RFE特征筛选方法,该方法极大降低了计算复杂度,更适用于训练数据庞大的脑电特征优化问题。 展开更多
关键词 脑-机接口 自适应增强 支持向量机 字符识别
在线阅读 下载PDF
BP-AdaBoost模型在光纤陀螺零偏温度补偿中的应用 被引量:18
10
作者 刘元元 杨功流 李思宜 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2014年第2期235-239,共5页
针对光纤陀螺零偏漂移随温度呈复杂的非线性变化,建立了BP-AdaBoost(Back Propagation neural network,Adaptive Boosting)模型对零偏进行补偿,改善了光纤陀螺的零偏稳定性能.同时,研究了模型参数对预测精度的影响,给出了BP神经网络隐... 针对光纤陀螺零偏漂移随温度呈复杂的非线性变化,建立了BP-AdaBoost(Back Propagation neural network,Adaptive Boosting)模型对零偏进行补偿,改善了光纤陀螺的零偏稳定性能.同时,研究了模型参数对预测精度的影响,给出了BP神经网络隐含层神经元个数的选择以及AdaBoost模型迭代次数的确定方法.运用AdaBoost算法提升单个BP神经网络的预测能力,提高了集成模型整体的预测精度.对采集的光纤陀螺输出实测数据进行了事后仿真,结果表明,BP-AdaBoost模型相比传统的线性回归模型、混合线性回归模型、单个BP神经网络模型的补偿效果更显著,验证了该模型的有效性,具有重大的工程应用参考价值. 展开更多
关键词 光纤陀螺 温度补偿 adaboost算法 BP神经网络
在线阅读 下载PDF
基于Elman_AdaBoost强预测器的目标威胁评估模型及算法 被引量:30
11
作者 王改革 郭立红 +2 位作者 段红 刘逻 王鹤淇 《电子学报》 EI CAS CSCD 北大核心 2012年第5期901-906,共6页
目标威胁评估是协同目标攻击中的关键问题.为提高空战目标威胁评估的准确性和实用性,建立了E-lman_AdaBoost强预测器目标威胁评估模型及算法.首先,介绍了Elman_AdaBoost强预测器;其次,建立了Elman_Ad-aBoost强预测器目标威胁评估模型;最... 目标威胁评估是协同目标攻击中的关键问题.为提高空战目标威胁评估的准确性和实用性,建立了E-lman_AdaBoost强预测器目标威胁评估模型及算法.首先,介绍了Elman_AdaBoost强预测器;其次,建立了Elman_Ad-aBoost强预测器目标威胁评估模型;最后,提出了基于Elman_AdaBoost强预测器目标威胁评估模型的算法.采集75组数据用于实验,其中60组作为训练集,15组作为测试集.分别选择Elman网络隐层节点数L=7,11,14,18和弱预测器数目K=6,10,16,20进行实验,结果表明,Elman_AdaBoost强预测器算法预测误差远小于弱预测器且在L=7和K=6时误差达到最小.Elman_AdaBoost强预测器目标威胁评估模型和算法具有很好的预测能力,可以快速、准确地完成作战目标威胁评估. 展开更多
关键词 目标威胁评估 模型 算法 Elman_adaboost
在线阅读 下载PDF
Boosting算法理论与应用研究 被引量:19
12
作者 张文生 于廷照 《中国科学技术大学学报》 CAS CSCD 北大核心 2016年第3期222-230,共9页
作为机器学习领域最经典算法之一,Boosting是一种学习算法,并广泛应用于机器学习与模式识别各领域.Boosting的理论研究分为可学习理论和统计学两个角度.Boosting最初从弱可学习理论角度阐明了由弱到强的提升算法,从理论上证明了一组优... 作为机器学习领域最经典算法之一,Boosting是一种学习算法,并广泛应用于机器学习与模式识别各领域.Boosting的理论研究分为可学习理论和统计学两个角度.Boosting最初从弱可学习理论角度阐明了由弱到强的提升算法,从理论上证明了一组优于随机猜测的弱学习器通过集成可提升为在训练集上任意精度的强学习器.从统计学的角度看,Boosting是一种叠加模型,理论上二者的等价性已经证明.本文首先从可学习的角度出发,回顾了Boosting算法弱可学习理论,并提出面临的问题及挑战,包括对高维数据的有效性及Margin理论;然后阐述了Boosting算法理论研究分支,并详细回顾了当前最为流行的多种经典Boosting算法及在Boosting理论框架下的新应用;最后探讨了Boosting算法的未来研究趋势. 展开更多
关键词 boosting 弱可学习理论 Margin理论 集成学习 adaboost
在线阅读 下载PDF
支持向量机与AdaBoost的结合算法研究 被引量:20
13
作者 张晓龙 任芳 《计算机应用研究》 CSCD 北大核心 2009年第1期77-78,110,共3页
将支持向量机与AdaBoost算法相结合,称其为Boost-SVM。从提升泛化性能和预测精度等方面对支持向量机的学习算法进行了研究与比较。Boost-SVM实验结果表明,该算法提高了支持向量机的预测精度并优化了学习机的性能。
关键词 支持向量机 增强法 自适应增强算法 算法优化
在线阅读 下载PDF
基于多阈值Boosting方法的人脸检测 被引量:2
14
作者 钟向阳 凌捷 《计算机工程》 CAS CSCD 北大核心 2009年第11期172-174,共3页
Adaboost算法采用单阈值弱分类器,难以拟合复杂分布,其训练过程收敛速度较慢。针对该问题设计一种多阈值弱学习器,利用平方和减少最大化准则划分节点并生成弱分类器,在训练数据集上采用GAB算法将弱分类器提升为强分类器。实验结果表明,... Adaboost算法采用单阈值弱分类器,难以拟合复杂分布,其训练过程收敛速度较慢。针对该问题设计一种多阈值弱学习器,利用平方和减少最大化准则划分节点并生成弱分类器,在训练数据集上采用GAB算法将弱分类器提升为强分类器。实验结果表明,在弱分类器数目相同的情况下,该方法的正样本误报率低于Adaboost算法。 展开更多
关键词 人脸检测 boosting方法 实值adaboost 平缓adaboost
在线阅读 下载PDF
基于分类器相关性的Adaboost人脸检测算法 被引量:3
15
作者 张君昌 李倩 贾靖 《计算机应用》 CSCD 北大核心 2009年第12期3346-3348,共3页
为了提高传统Adaboost算法的集成性能,提出一种基于分类器相关性的Adaboost算法。该方法在弱分类器的训练过程中加入分类器的相关性判定,使每一个弱分类器的生成不仅与当前分类器有关,而且与前面若干个分类器相关,并将由此生成的弱分类... 为了提高传统Adaboost算法的集成性能,提出一种基于分类器相关性的Adaboost算法。该方法在弱分类器的训练过程中加入分类器的相关性判定,使每一个弱分类器的生成不仅与当前分类器有关,而且与前面若干个分类器相关,并将由此生成的弱分类器组合成新的强分类器。在CMU正面人脸检测集上的仿真结果表明,较传统的Adaboost算法,基于分类器相关性的Adaboost人脸检测算法具有更好的检测效率,同时降低了误检率。 展开更多
关键词 人脸检测 分类器相关性 自适应提升算法
在线阅读 下载PDF
基于AdaBoost的改进模糊分类规则集成学习 被引量:2
16
作者 方敏 王宝树 《电子与信息学报》 EI CSCD 北大核心 2005年第5期835-837,共3页
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... 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。 展开更多
关键词 模糊分类规则 adaboost算法 分类器集成
在线阅读 下载PDF
基于GAN-AdaBoost-DT不平衡分类算法的信用卡欺诈分类 被引量:24
17
作者 莫赞 盖彦蓉 樊冠龙 《计算机应用》 CSCD 北大核心 2019年第2期618-622,共5页
针对传统单个分类器在不平衡数据上分类效果有限的问题,基于对抗生成网络(GAN)和集成学习方法,提出一种新的针对二类不平衡数据集的分类方法——对抗生成网络-自适应增强-决策树(GAN-AdaBoost-DT)算法。首先,利用GAN训练得到生成模型,... 针对传统单个分类器在不平衡数据上分类效果有限的问题,基于对抗生成网络(GAN)和集成学习方法,提出一种新的针对二类不平衡数据集的分类方法——对抗生成网络-自适应增强-决策树(GAN-AdaBoost-DT)算法。首先,利用GAN训练得到生成模型,生成模型生成少数类样本,降低数据的不平衡性;其次,将生成的少数类样本代入自适应增强(AdaBoost)模型框架,更改权重,改进AdaBoost模型,提升以决策树(DT)为基分类器的AdaBoost模型的分类性能。使用受测者工作特征曲线下面积(AUC)作为分类评价指标,在信用卡诈骗数据集上的实验分析表明,该算法与合成少数类样本集成学习相比,准确率提高了4. 5%,受测者工作特征曲线下面积提高了6. 5%;对比改进的合成少数类样本集成学习,准确率提高了4. 9%,AUC值提高了5. 9%;对比随机欠采样集成学习,准确率提高了4. 5%,受测者工作特征曲线下面积提高了5. 4%。在UCI和KEEL的其他数据集上的实验结果表明,该算法在不平衡二分类问题上能提高总体的准确率,优化分类器性能。 展开更多
关键词 对抗生成网络 集成学习 不平衡分类 二分类 自适应增强 决策树 信用卡欺诈
在线阅读 下载PDF
基于相关性的AdaBoost人脸检测算法 被引量:7
18
作者 张君昌 樊伟 《计算机工程》 CAS CSCD 北大核心 2011年第8期158-160,163,共4页
为提高传统AdaBoost算法的集成性能,降低算法复杂度,提出2种基于分类器相关性的AdaBoost算法。在弱分类器的训练过程中,加入Q统计量进行判定。每个弱分类器的权重更新不仅与当前分类器有关,而且需要考虑到前面的若干分类器,以有效降低... 为提高传统AdaBoost算法的集成性能,降低算法复杂度,提出2种基于分类器相关性的AdaBoost算法。在弱分类器的训练过程中,加入Q统计量进行判定。每个弱分类器的权重更新不仅与当前分类器有关,而且需要考虑到前面的若干分类器,以有效降低弱分类器间的相似性,剔除相似特征。仿真结果表明,该算法具有更好的检测率,同时可降低误检率,改进分类器的整体性能。 展开更多
关键词 人脸检测 分类器相关性 自适应提升算法 Q统计量
在线阅读 下载PDF
Boosting视角 被引量:2
19
作者 涂承胜 陆玉昌 《计算机科学》 CSCD 北大核心 2005年第5期140-143,共4页
AdaBoost是Boosting家族中的最基础的代表算法。本文主要介绍了AdaBoost的泛化错误分析及其与结构风险最小化和VC维、支持向量机及margin理论的关系,并从游戏理论和统计学视点分别对AdaBoost进行了理解和解释,以期提供Boosting的一个较... AdaBoost是Boosting家族中的最基础的代表算法。本文主要介绍了AdaBoost的泛化错误分析及其与结构风险最小化和VC维、支持向量机及margin理论的关系,并从游戏理论和统计学视点分别对AdaBoost进行了理解和解释,以期提供Boosting的一个较为全面的视角。 展开更多
关键词 boosting adaboost 视角 结构风险最小化 支持向量机 错误分析 游戏理论 VC维 统计学 算法 视点
在线阅读 下载PDF
结合加权KNN和自适应牛顿法的稳健Boosting方法 被引量:5
20
作者 罗森林 赵惟肖 潘丽敏 《北京理工大学学报》 EI CAS CSCD 北大核心 2021年第1期112-120,共9页
Boosting是机器学习领域中重要的集成学习方法,以AdaBoost为代表的Boosting算法通过在组合弱学习器时不断加强对错分类样本的关注以构建性能优异的强学习器,而该训练机制对噪声点的无差别对待易引发学习器对噪声过拟合,从而削弱算法的... Boosting是机器学习领域中重要的集成学习方法,以AdaBoost为代表的Boosting算法通过在组合弱学习器时不断加强对错分类样本的关注以构建性能优异的强学习器,而该训练机制对噪声点的无差别对待易引发学习器对噪声过拟合,从而削弱算法的稳健性.针对该问题,提出结合加权KNN和自适应牛顿法的稳健Boosting方法.该方法首先通过加权KNN估计样本的噪声先验概率,然后使用噪声先验概率修正Logit损失构建一种新的损失函数,最后采用自适应牛顿法进行损失函数的优化求解.提出方法引导分类器在给予错分类样本更高权重的同时,对噪声先验概率大的样本给予相应的惩罚,使噪声样本的权重得到有效的缩减.结果表明,与其他稳健Boosting方法对比,在不同噪声水平下以及真实的医疗数据集的不同评价指标下,该方法表现出更好的稳健性,具有明显的应用价值. 展开更多
关键词 adaboost算法 噪声先验概率 加权KNN 损失函数 自适应牛顿法
在线阅读 下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部