1) AdaBoost learning algorithm
AdaBoost学习算法
1.
Then a classifier based on AdaBoost learning algorithm was designed to separat.
首先利用颜色特征,通过RGB空间转换到HSI空间、S通道阈值分割、融合I通道信息、第二次阈值分割、形态学后处理等步骤,进行一次粗分割;然后利用区域特征,提出了一种基于AdaBoost学习算法的靶子分类器设计方法,可以较好地将靶子区域同其他杂质区域分开,得到最终识别结果。
2.
First, suspicious regions that may contain faces are discovered by a cascaded model based on AdaBoost learning algorithm.
首先用基于AdaBoost学习算法的级联模型发现可疑人脸区域,然后在可疑人脸区域内发现可疑眼睛区域并组合可疑眼睛区域对得到候选人脸区域,最后用人脸模板验证候选人脸区域,精化人脸定位。
2) Adaboost Algorithm
Adaboost算法
1.
License Plate Detection Based on Adaboost Algorithm;
基于adaboost算法的车牌检测
2.
AdaBoost algorithm using multi-step correction;
基于多步校正的改进AdaBoost算法
3.
High-speed iris detection and localization based on AdaBoost algorithm;
基于AdaBoost算法的快速虹膜检测与定位
3) Adaboost
AdaBoost算法
1.
Application of AdaBoost Algorithm of AOI Statistical Learning Modeling;
AdaBoost算法在AOI统计学习建模中的应用
2.
Real-time Hardware Face Detection Based on Adaboost Algorithm;
基于Adaboost算法的硬件实时人脸检测
3.
Simulation research on fault diagnosis using AdaBoost algorithm;
基于AdaBoost算法的故障诊断仿真研究
5) DR-AdaBoost Algorithm
DR-AdaBoost算法
6) Gentle AdaBoost algorithm
Gentle AdaBoost算法
1.
Haar-like features are used to construct weak classifiers,and Gentle AdaBoost algorithm is chosen to train the strong classifiers.
本文利用Haar-like矩形特征来表达车辆,采用Gentle AdaBoost算法训练强分类器,同时利用聚类-分支算法将多个强分类器组合成树形结构车辆分类器,其中树形分类器的根节点采用“U”形组合特征强分类器。
2.
Strong classifier is a linear combination of weak classifiers in Gentle Adaboost algorithm, but this kind of combination can not ensure the strong classifier optimal.
在Gentle Adaboost算法中,强分类器由弱分类器线性组成,但这种组合并不能保证强分类器是最优的。
补充资料：逆推学习算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条