抗外点干扰的鲁棒AdaBoost分类器构建方法

• 作者: 史辉 曹万鹏 罗云彬
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: AdaBoost分类器 Ransac算法 样本加权 分类
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 132-137
• 页数: 6页
• 分类号: TP39
• 字数: 5728字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1610-0308

摘要

根据AdaBoost算法易受外点影响这一缺陷,提出一种利用Ransac算法实现抗外点干扰的鲁棒AdaBoost分类器构建方法.不同于其他AdaBoost算法在分类器构建中单纯使用样本加权或权值控制的手段,该算法将Ransac算法引入AdaBoost分类器模型构建过程中,去除潜在外点,克服现有AdaBoost算法缺陷.同时,借助Ransac算法,从全部AdaBoost分类器中选择最佳分类器模型,消除由外点引起的分类器降级.最后,将该AdaBoost分类器模型用于含有一定量外点的笔迹样本进行验证,实验结果证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹万鹏	北京工业大学未来网络创新中心	2	9	1.0	2.0
2	罗云彬	北京工业大学未来网络创新中心	2	9	1.0	2.0
3	史辉	北京工业大学未来网络创新中心	2	9	1.0	2.0