改进型AdaBoost算法在车辆检测中的应用

Adaboost算法通过特征选择把一组弱分类器组合成强分类器,并已成功地应用在人脸识别中．遵循Adaboost算法的基本思想,提出在联合空间进行Haar类特征的选择,并把该算法应用在车辆的检测中．使用基于联合特征空间的Adaboost算法,可以改善检测器的可靠性和快速性．实验结果表明与传统的Adaboost算法相比,可以提高分类器的目标击中率和降低虚警率．     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法.算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中.新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强.     

基于几何形状的AdaBoost人脸检测算法研究

介绍了AdaBoost人脸检测算法以及人脸符合的几何规则。考虑到使用AdaBoost人脸检测算法存在计算量比较大的问题,因此文中提出基于几何形状的AdaBoost人脸检测算法,改进了人脸检测分类器训练方法,降低了误检率,提高了人脸检测的计算速度。     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法．算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中．新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强．     

基于AdaBoost算法与改进帧差法的动态行人检测

针对传统基于HOG特征与AdaBoost算法分类器在目标检测中存在检测速度慢、误差率大的问题,提出一种基于改进帧差法与AdaBoost算法相结合的动态行人检测方法。帧差法是运动目标检测的一种算法,能够将运动中的区域很好地显示出来。改进的帧差法不再单一使用一个阈值,而是利用多个阈值,以更好地分割出检测行人,再通过分类器进行多尺度检测来确定目标。该方法减少了传统HOG特征的检测时间,能够更快地找出感兴趣区域,并提高检测速度和误差率。     

基于熵的特征选择的AdaBoost改进算法

在模式分类领域,分类器特征输入的选择对分类效果是至关重要的.我们提出了一种新的基于相对熵的特征选择AdaBoost方法.在该算法中,引入相对熵度量两类间的距离.在每一轮中,选择最优特征作为二维分量分类器的输入.随着权值的改变,在每一轮中特征的选择也不同.最后,由一组弱分类器结合而成的强分类器.实验表明,与遍历搜索的AdaBoost算法相比,该算法的检测正确率提高了5%,而时间缩短了20%以上.     

改进Haar-like特征联合CamShift算法用于车辆跟踪

提出一种改进的Haar特征获取方法,并结合CamShift算法提取车辆检测信号实现特定车辆实时跟踪。首先利用倾斜45°特征与像素和的商计算信号的Haar特征值;其次利用AdaBoost算法训练样本得到特征信号分类器,构建特征信号样本级联分类器,利用获得的级联分类器对视频信号进行检测;最后将检测结果中的特定车辆外切矩形作为CamShift算法的初始窗口,并对CamShift算法后续跟踪窗口进行检测,以提高检测效率和跟踪实时性。实验表明,该方法对车辆图像信号具有较好的检测效果,对特定车辆跟踪具有较高的实时性。     

基于 ID3 决策树算法的改进研究

决策树是典型的归纳学习和数据挖掘方法,通过对数据库中获取的数据项属性值进行划分归类,最终形成类似于流程图的树型结构形式。ID3算法是决策树中的核心算法,针对ID3算法倾向于取值较多的属性的缺点,通过引入泰勒公式与麦克劳林公式,对传统算法进行降维,减小算法的计算复杂度,提高算法运行效率,使决策树的生成时间缩短,算法的效率得到了较大的提高。     

基于AdaBoost算法的BP神经网络在软件老化测试中的应用

为提高BP神经网络的预测精度,克服自身容易陷入局部极值和收敛速度慢的缺陷,将AdaBoost算法和BP神经网络结合起来,建立基于AdaBoost算法的BP神经网络模型。该模型将多个BP神经网络作为弱预测器,然后采用AdaBoost算法将多个弱预测器组成强预测器进行预测。将该模型应用于软件老化测试,实验结果表明,该模型相比单个BP神经网络具有更好的预测精度。     

改进决策树算法在水环境质量评价中的应用

根据淮河某流域连续三年来的水质监测数据,结合用户兴趣度和MID3算法对ID3决策树算法进行改进,并将改进的决策树算法运用于水质评价,建立了淮河某流域水质量评价模型,实现了对水环境质量的评估和决策支持。实验结果表明,改进算法所建立的决策树精确度高、树型结构简单,生成的规则简便、准确,更加符合实际情况,对水环境质量可以作出更为客观、合理的评价,具有一定的实用价值。     

融合肤色特征和AdaBoost算法的多姿态人脸检测

针对眼睛检测在多姿态人脸中稳定性较好的特点,提出了一种基于肤色检测与AdaBoost人眼检测的多姿态人脸检测算法。首先,利用肤色模型快速排除大部分非肤色区域,然后在肤色区域使用单眼分类器检测眼睛,接着对检测到的单眼矩形进行配对以及角度矫正,最后进入双眼分类器作进一步验证,验证通过则利用统计数据实现人脸定位。实验表明,该方法具有较高的检测率,对于多姿态人脸的检测具有较好的鲁棒性。     

决策树算法在数据挖掘中的应用研究

介绍了基于决策树算法的几种分类技术,重点介绍了具有很大影响的ID3算法,对几种算法进行了总结比较。     

决策树ID3算法的改进及其应用

分析了分类规则挖掘方法中决策树的原理,提出了ID3算法的改进算法,并将优化改进后的算法应用到营销决策支持系统中。     

角点检测在车辆特征提取中的应用

Harris算子是在计算机视觉和图像处理领域使用非常广泛的点特征提取算子,利用其计算简单和稳定的特性对车辆的角点特征进行了实验,收到较好的效果,并为进一步地图像理解打下了基础。     

一种改进决策树算法的探讨

ID3算法是示例学习中建立决策树的一种重要的方法．介绍了ID3决策树算法的基本思想,讨论了 ID3决策树算法中的难点和不足,结合实例给出了利用信息增益度法来改进ID3算法的详细过程．     

基于“大T”型区域的AdaBoost人脸检测算法

针对AdaBoost人脸检测算法分类器训练时Haar特征数目过多,导致训练过程过于耗时的问题,提出了一种基于“大T”型区域的AdaBoost人脸检测算法。通过提取500张人脸样本中的主要特征区域,投影到20×20的模板中,对重叠区域取其并集求得“大T”型特征筛选区域,以此模板优化Haar特征,使用于分类器训练的Haar特征集中于人脸面部的关键区域。实验结果表明,在LFW、PKU数据库中进行人脸检测,在不降低原始AdaBoost算法检测率的同时,对PKU数据库中的多人脸检测算法的漏检率有所改善,同时优化了算法训练时间。     

ID3决策树算法的改进

针对现有决策树中ID3算法倾向于取值较多的属性的缺点,提出一种利用优化法的思想来改进信患增益的算法。用ID3算法及改进后的算法建立金融企业决策树分类模型,利用某银行提供的客户信息和银行业务信息等数据,通过客户存款情况,探讨对金融客户进行分类,研究忠实客户的特征。实验中两个方案的比较表明,利用优化法算法来选择决策树分支取值,不但可以加快决策树的生长,而且最重要的是可以得到结构好的决策树,便于从中挖掘好的规则信息。特别是在使用决策树算法来挖掘的数据越多,算法的效率和性能就越好,算法的优越性就越明显。     

决策树算法在高职院校成绩分析中的应用研究

高职院校在多年的管理以及教学工作中,相关数据库拥有相当多的学生数据,从中可以提取出高职院校所需要的一些数据,由此,决策树算法在高职院校中得到了广泛的运用。另外,学生的学习成绩可以在一定情况下体现学生的具体学习情况,还可以对教师的教学质量进行侧面的反映。通过对决策树算法的深入了解和探究,对其在学生学习成绩分析中的具体运用进行了探讨。     

决策树ID3算法及其改进

介绍了数据挖掘的相关概念,数据挖掘中决策树ID3算法的相关概念以及信息增益和信息熵概念。通过实例介绍了ID3算法的主要内容,指出了ID3算法的不足及改进之处。针对该实例提出ID3算法的一种改进算法——MIND算法,并通过MIND算法重新计算实例内容。最后通过实例分析将改进算法与ID3算法进行对比,证明了改进算法的有效性。     

基于决策树算法的银行信用评分

银行卡在给银行创造了高额利润的同时,也带来了很大的信用风险.对于银行来说,严格把控信用申请者,对其进行有效的信用评分和预测十分关键.采用数据挖掘技术中的决策树算法能有效屏蔽银行信用评估中的主观因素,通过海量数据预处理、决策树生成等步骤,最后通过相关算法实现能客观地形成预测值,从而准确地进行信用评分.