本文關(guān)鍵詞：多規(guī)則Adaboost算法及其應(yīng)用研究

  更多相關(guān)文章： AdaBoost 多規(guī)則 分類 弱學(xué)習(xí)算法 正確率 集成學(xué)習(xí)

【摘要】：隨著實際生活中應(yīng)用方面的需求急速擴(kuò)大,基于航空航天的科學(xué)探測和天文觀測、民用領(lǐng)域的視頻監(jiān)控、軍事目標(biāo)跟蹤以及醫(yī)學(xué)疾病診斷等方面的分類和識別問題,應(yīng)運而生了許多優(yōu)秀的算法,并在日益強(qiáng)大的計算機(jī)技術(shù)的幫助下得以實現(xiàn)。Boosting是一種可以改善弱分類算法的通用方法,通過集成學(xué)習(xí),把正確率較低的弱分類器結(jié)合成正確率較高的強(qiáng)分類器。AdaBoost算法是Boosting算法的優(yōu)秀代表,有著越發(fā)完善的理論基礎(chǔ)和廣泛的應(yīng)用領(lǐng)域。AdaBoost彌補了Boosting算法有關(guān)弱分類器要預(yù)先知道其正確率下限的不足,實現(xiàn)了真正意義上對任何分類算法都可以提升其準(zhǔn)確率的想法。文章首先分析了Boosting算法和AdaBoost算法的基本框架,為后續(xù)工作奠定了理論基礎(chǔ),然后基于一種新的弱學(xué)習(xí)算法,改進(jìn)最優(yōu)規(guī)則AdaBoost,提出多規(guī)則AdaBoost算法。該算法在訓(xùn)練過程中首先標(biāo)準(zhǔn)化所有特征的特征值,然后根據(jù)每個特征和樣本標(biāo)簽之間的規(guī)律性強(qiáng)弱,來反應(yīng)個體的不同特征對分類的影響,并以此選取分類規(guī)則設(shè)定權(quán)重,提高算法的識辨率。這種弱分類算法更多的挖掘了特征值數(shù)據(jù)本身的價值,而不用對特征值數(shù)據(jù)進(jìn)行更繁瑣的處理和轉(zhuǎn)換,這樣就可以節(jié)約更多的時間和運行空間,因而在解決問題時更具有實用性。在UCI數(shù)據(jù)庫中,選取了SPECTF Heart數(shù)據(jù)集,Ionosphere數(shù)據(jù)集和Wine Quality數(shù)據(jù)集對該算法和改進(jìn)前的算法進(jìn)行了實驗,通過穩(wěn)定性和準(zhǔn)確率等方面的比較,表明該算法有更優(yōu)的訓(xùn)練和測試能力,從而證明多規(guī)則算法可以提高集成分類器的整體正確率。
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 林志陽;康耀紅;雷景生;;基于Adaboost的車標(biāo)定位方法[J];計算機(jī)工程;2008年11期

2 張磊;;基于AdaBoost的側(cè)面人臉、人耳檢測[J];科學(xué)大眾;2008年08期

3 付忠良;;關(guān)于AdaBoost有效性的分析[J];計算機(jī)研究與發(fā)展;2008年10期

4 張崗?fù)?楊全;;兩種Adaboost方法在人臉檢測中的比較研究[J];微計算機(jī)信息;2009年24期

5 嚴(yán)超;王元慶;李久雪;張兆揚;;AdaBoost分類問題的理論推導(dǎo)[J];東南大學(xué)學(xué)報(自然科學(xué)版);2011年04期

6 李印;;基于AdaBoost的行人檢測研究與實現(xiàn)[J];數(shù)字技術(shù)與應(yīng)用;2012年03期

7 蘇加強(qiáng);丁柳云;;基于R的監(jiān)督式AdaBoost異常值檢測應(yīng)用[J];淮海工學(xué)院學(xué)報(自然科學(xué)版);2013年01期

8 張志勛;張磊;楊凡;;一種改進(jìn)的Adaboost人臉檢測方法[J];自動化與儀器儀表;2013年06期

9 王海川,張立明;一種新的Adaboost快速訓(xùn)練算法[J];復(fù)旦學(xué)報(自然科學(xué)版);2004年01期

10 趙江,徐魯安;基于AdaBoost算法的目標(biāo)檢測[J];計算機(jī)工程;2004年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計算機(jī)應(yīng)用與系統(tǒng)建模國際會議論文集[C];2012年

2 張超;苗振江;;基于AdaBoost的面部信息感知[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的頸動脈粥樣硬化判別方法[A];中國儀器儀表學(xué)會第十一屆青年學(xué)術(shù)會議論文集[C];2009年

4 張紅梅;高海華;王行愚;;抑制樣本噪聲的AdaBoost算法及其在入侵檢測中的應(yīng)用[A];2007年中國智能自動化會議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細(xì)胞位置預(yù)測[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

6 陳宏偉;劉建偉;費向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

7 唐曉丹;苗振江;;基于AdaBoost和粒子濾波的目標(biāo)跟蹤[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張彬;金連文;;基于AdaBoost的手寫體漢字相似字符識別[A];第二十六屆中國控制會議論文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李麗;肖佳文;;基于AdaBoost-SVM的上市公司信用風(fēng)險評估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟(jì)發(fā)展研討會論文集[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

2 張?zhí)珜?人眼注視點估計方法的研究[D];南開大學(xué);2013年

3 趙培英;基于智能計算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測研究[D];東華大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 皮麗琴;基于AdaBoost-GASVM算法和LDA主題模型的短文本分類研究[D];華南理工大學(xué);2015年

2 孫斌;一種基于Adaboost的實時行人檢測算法[D];華南理工大學(xué);2015年

3 蔡澤彬;基于視頻分析的行人檢測及統(tǒng)計方法研究[D];華南理工大學(xué);2015年

4 游晴;Adaboost人臉檢測算法研究及其在硬件平臺上的實現(xiàn)[D];昆明理工大學(xué);2015年

5 宋雨;基于視覺圖片的腦—機(jī)接口控制研究[D];天津理工大學(xué);2015年

6 林欣;基于改進(jìn)膚色模型的AdaBoost人臉檢測算法研究[D];陜西科技大學(xué);2015年

7 袁浩杰;Adaboost算法的并行化及其在目標(biāo)分類中的應(yīng)用[D];華南理工大學(xué);2015年

8 張恒;基于近紅外圖像的疲勞駕駛檢測研究與系統(tǒng)實現(xiàn)[D];長安大學(xué);2015年

9 朱非易;基于不平衡學(xué)習(xí)的蛋白質(zhì)—維生素綁定位點預(yù)測研究[D];南京理工大學(xué);2015年

10 張元;一種基于AdaBoost的組合分類算法研究[D];四川師范大學(xué);2015年

，

本文編號：1257993