标记样本的Adaboost算法

• 作者: 张瑞 郑诚 陈娟娟
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: Adaboost算法 提升 抽样 有效容量
• 年，卷（期）: 2008,（7）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 109-111,115
• 页数: 4页
• 分类号: TP301.6
• 字数: 3191字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2008.07.032

摘要

提升(Boost)学习算法中,可以划分为多数提升和Adaboost两类.Adaboost是目前比较流行的分类方法,目前在多媒体和计算机视觉领域得到了广泛的应用.文中介绍了Adaboost方法的原理与方法,通过在提升过程中对训练集中部分样本的标记,提出了一种新的Adaboost算法的训练方法,并且用实验数据对该方法进行验证.该方法通过对前一轮提升后权值较小的那部分样本作标记,增加了后一轮提升抽样的有效容量,从而使算法中的分类器能够更快速地关注那些很难分类的样本.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑诚	安徽大学计算机科学与技术学院	103	1013	15.0	28.0
5	张瑞	安徽大学计算机科学与技术学院	29	127	4.0	11.0
9	陈娟娟	安徽大学计算机科学与技术学院	4	23	3.0	4.0