基于遗传算法的改进AdaBoost算法在汽车识别中的应用

• 作者: 张亚楠 武林林 魏武
• 来源期刊: 公路交通科技
• 学科: 工学
• 关键词: 交通工程 AdaBoost 支持向量机 遗传算法 分类器
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 智能运输系统与交通工程
• 页码范围: 114-118
• 页数: 5页
• 分类号: TU391.4
• 字数: 3665字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0268.2010.02.022

摘要

将遗传算法应用于以SVM为弱分类器的AdaBoost算法,产生了一种识别率高,泛化能力好的强分类器,本文称之为GA-AdaBoostSVM算法.该算法先训练多个支持向量机作为弱分类器,然后用AdaBoost算法将多个弱分类器组合成一个强分类器,在组合的同时采用遗传算法对各弱分类器的权值进行全局寻优.此算法特点在于:(1)传统的AdaBooat算法,对所有弱分类器的权值无法给出一个最优的组合,GA-AdaBoostSVM算法用遗传算法对弱分类器的权值进行全局寻优,得到的强分类器具有更高的识别准确率.(2)为提高强分类器的泛化能力,在训练弱分类器时,合理调整RBF核的参数,使各个弱分类器在准确率和差异性之间得到折中,从而提高整合后的强分类器的泛化能力.最后,通过试验与传统AdaBoostSVM进行对比,表明GA-AdaBoostSVM的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏武	华南理工大学自动化科学与工程学院	48	370	10.0	16.0
2	张亚楠	华南理工大学自动化科学与工程学院	3	77	3.0	3.0
3	武林林	西安交通大学能源与动力学院	3	77	3.0	3.0