基于遗传寻优的双阈值型AdaBoost分类器

• 作者: 叶庆卫 周宇 张梦娇 陆志华
• 来源期刊: 数据通信
• 学科: 工学
• 关键词: 双阈值 AdaBoost分类器 遗传算法 弱分类器 局部二值模式
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 技术交流
• 页码范围: 36-42
• 页数: 7页
• 分类号: TP301.6
• 字数: 4990字
• 语种: 中文

摘要

针对双阈值型AdaBoost分类器存在搜索弱分类器过程复杂和训练耗时长的问题,结合遗传算法的思想,提出了一种基于遗传寻优的双阈值型AdaBoost分类器.该方法通过对特征和两个阈值的编码来寻找弱分类器,利用遗传算法的全局寻优性,能够快速寻找到最佳弱分类器,减少训练时间.另外,在此基础上提出设置两阈值之间最小间距的方法,增强其抗干扰能力,具有更好的鲁棒性.为验证实验效果,对MIT-CBCL人脸库提取局部二值模式(Local Binary Pattern,LBP)特征进行验证.实验结果显示,改进后的双阈值型AdaBoost分类器比经典AdaBoost分类器在训练时间上提升了5倍,比双阈值型AdaBoost分类器提升了18倍,具有更快的收敛速度.与此同时,因为增加了两阈值之间的最小间距,改进后的算法具有更强的抗噪性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶庆卫	宁波大学信息科学与工程学院	59	420	10.0	18.0
2	周宇	宁波大学信息科学与工程学院	72	316	9.0	13.0
3	陆志华	宁波大学信息科学与工程学院	13	17	2.0	3.0
4	张梦娇	宁波大学信息科学与工程学院	1	0	0.0	0.0