Boosting is a meta-learning approach that aims at combining an ensemble of weak classifiers to form a strong classifier. Adaptive Boosting (adaboost) implements this idea as a greedy search for a linear combination of classifiers by overweighting the examples that are misclassified by each classifier. icsiboost implements adaboost over stumps (one-level decision trees) on discrete and continuous attributes (words and real values). See http://en.wikipedia.org/wiki/adaboost and the papers by Y. Freund and R. Schapire for more details [1]. This approach is one of most efficient and simple to combine continuous and nominal values. Our implementation is aimed at allowing training from millions of examples by hundreds of features in a reasonable time/memory.
标签: meta-learning classifiers combining Boosting
上传时间: 2016-01-30
上传用户:songnanhua
串口配置工具 ·作车牌识别的人一定要看,关 ·编译原理课程设计,包括词法 ·国内外知名企业的求职笔试大 ·一个关于adaboost算法的matl ·单片机通过SPI读写SD卡.使用
上传时间: 2013-12-07
上传用户:tedo811
基于hog人体识别的很好的文章,既有基于adaboost的又有svm的分类器。
上传时间: 2013-12-24
上传用户:253189838
鲁棒人脸跟踪系统学位论文;提出了一种两阶段的光照均衡的方法来消除单幅图像中的各种阴影包括模糊阴影,投射阴影等 根据快速的adaboost 训练框架,本文提出了一个实时的鲁棒人脸检测算法 提出了一种基于在线实值boosting 的方法来处理人脸在跟踪过程中发生的外貌变化;实现了一个基于以上模块的完全自动化的人脸跟踪器
上传时间: 2014-12-03
上传用户:huangld
WeakLearner,各种弱分类器,可供adaboost训练使用
标签: WeakLearner
上传时间: 2017-01-17
上传用户:wff
WeakLearner,弱分类器,可供adaboost训练使用,补充
标签: WeakLearner 分类器
上传时间: 2013-12-24
上传用户:xlcky
论文首先研究了基于Har-like特征和adaboost分类器的目标车辆探测算法原理和参数设置,并利用车载摄像头采集真实道路车辆图像,建立车辆样本数据库,训练车辆分类器,实现对道路车辆的探测,并对探测效果进行量化分析。针对在车辆探测过程中误检率较高、探测不连续以及检测框不稳定的现象,对基于无迹卡尔曼滤波器的车辆跟踪算法进行了研究,建立了车辆相对运动模型,对真实道路交通场景中的多目标车辆进行探测与跟踪,并对跟踪算法对探测性能提升的效果和原因进行了深入分析。在单目测距中,针对一般测距算法受车辆俯仰角和摄像头畸变影响很大的缺点,利用PreScan仿真软件,对车辆测距算法进行了改进,提山了一个同时考虑车辆俯仰角和摄像头畸变等参数的测距模型,以及一种将摄像头内参与外参分开标定的新方法,最后利用场地实验利真实道路交通场景对模型的测距精度、参数灵敏度进行量化分析。研究了仅利用图像信息估算车辆间碰撞时间的方法,利用PreScan仿真软件,对车辆碰撞时间估算算法进行了改进,建立了一个考虑车间相对加速度碰撞时间估算模型,最后,利用真实道路交通视频对算法进行验证和分析。最后,介绍了利用仿真软件辅助ADAS开发的方法,在虚拟的开发环境中建立了以真实摄像头物理参数为依据的摄像头仿真模型、交通场景,实现了对单目测距和碰撞时间估算算法的验证和改进。实验结果表明,论文中所建立的算法表现出良好的性能,所构建的基于PreScan的仿真平台能有效地提高算法的开发效率.
上传时间: 2022-06-21
上传用户:d1997wayne