基于Adaboost和CART结合的优化分类算法

• 作者: 丁雍 李小霞
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: Adaboost CART 数据挖掘 目标识别 模式分类
• 年，卷（期）: 2011,（23）
• 所属期刊栏目: 图形、图像与多媒体
• 页码范围: 46-50
• 分类号: TP391.41
• 字数: 4650字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-7720.2011.23.015

摘要

提出了一种基于Adaboost算法和CART算法结合的分类算法。以特征为节点生成CART二叉树，用CART二叉树代替传统Adaboost算法中的弱分类器，再由这些弱分类器生成强分类器。将强分类器对数字样本和人脸样本分类，与传统Adaboost算法相比，该方法的错误率分别减少20％和86．5％。将分类器应用于目标检测上，实现了对这两种目标的快速检测和定位。结果表明，改进算法既减小了对样本分类的错误率，又保持了传统Adboost算法对目标检测的快速性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李小霞	西南科技大学信息工程学院模式识别与图像处理实验室	41	170	7.0	11.0
2	丁雍	西南科技大学信息工程学院模式识别与图像处理实验室	1	6	1.0	1.0