关于Real AdaBoost算法的分析与改进

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

关于Real AdaBoost算法的分析与改进

文章导航 > 电子科技大学学报 > 2012 > 41(4): 545-551

付忠良. 关于Real AdaBoost算法的分析与改进[J]. 电子科技大学学报, 2012, 41(4): 545-551. doi: 10.3969/j.issn.1001-0548.2012.04.013

引用本文:

付忠良. 关于Real AdaBoost算法的分析与改进[J]. 电子科技大学学报, 2012, 41(4): 545-551. doi: 10.3969/j.issn.1001-0548.2012.04.013

FU Zhong-liang. Analysis and Improvement on Real AdaBoost Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(4): 545-551. doi: 10.3969/j.issn.1001-0548.2012.04.013

Citation:

FU Zhong-liang. Analysis and Improvement on Real AdaBoost Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(4): 545-551. doi: 10.3969/j.issn.1001-0548.2012.04.013

关于Real AdaBoost算法的分析与改进

doi: 10.3969/j.issn.1001-0548.2012.04.013

付忠良

1.
中国科学院成都计算机应用研究所成都 610041

基金项目:

四川省科技支撑计划项目(2008SZ0100,2009SZ0214)

作者简介:
付忠良(1967-),男,研究员,博士生导师,主要从事机器学习和图形图像处理方面的研究.

中图分类号: TP391

Analysis and Improvement on Real AdaBoost Algorithm

FU Zhong-liang

1.
Chengdu Institute of Computer Application,Chinese Academy of Sciences Chengdu 610041

摘要: 采用一种新的技术,对Real AdaBoost算法的有效性、误差估计、算法流程和弱分类器训练进行了分析和证明。证明了可用加权组合弱分类器对Real AdaBoost算法进行改进,并得到了近似最佳组合系数;指出Real AdaBoost算法的样本权值调整和弱分类器训练方法的真实目的是确保弱分类器的独立性;基于Bayes统计推断对Real AdaBoost算法进行了多分类推广,得到了算法公式和误差估计,给出了便于使用的弱分类器训练简化方法。得到了Gentle AdaBoost算法的误差估计公式。UCI数据实验验证了所提算法和改进算法的效果。
- 分类器组合 /
- 集成学习 /
- Gentle AdaBoost /
- Real AdaBoost
Abstract: The effectiveness, error formula, algorithm flow, and weak classifiers training of Real AdaBoost algorithm are analyzed and proved by a new technique. Real AdaBoost algorithm is improved by weighted combination of weak classifiers and the approximately best combination coefficients are obtained. It is proved that the function of sample weight adjusting method and weak classifiers training method is to guarantee the independence of weak classifiers. Multi-class Real AdaBoost algorithm is proposed based on Bayes statistics deduction. The formula of algorithm and the estimation of classification error are discussed. The training method of weak classifiers is simplified. The estimation of classification error of Gentle AdaBoost is obtained. The effectiveness of the proposed algorithms is verified by the experiment on UCI dataset.
- classification combination /
- ensemble learning /
- Gentle AdaBoost /
- Real AdaBoost

[1]	陈果, 刘正波, 王韬, 张万里. 基于MEMS技术的集成压力−湿度传感器 . 电子科技大学学报, 2024, 53(1): 21-28. doi: 10.12178/1001-0548.2023017
[2]	靳韡赟, 詹毅, 樊晓华. 基于子带谱特征的助听器背景噪声场景分类算法 . 电子科技大学学报, 2022, 51(5): 694-701. doi: 10.12178/1001-0548.2021249
[3]	张哲, 周亮, 周志恒. 针对特定LDPC码的多子译码器并行组合译码方法 . 电子科技大学学报, 2021, 50(2): 161-166. doi: 10.12178/1001-0548.2020442
[4]	黄峻嘉, 张琪, 赵娜, 李蓉, 苏宇涵, 周涛. 基于近视筛查数据的近视影响因素分析和近视预测 . 电子科技大学学报, 2021, 50(2): 256-260. doi: 10.12178/1001-0548.2020426
[5]	毛远宏, 贺占庄, 马钟. 重构迁移学习的红外目标分类 . 电子科技大学学报, 2020, 49(4): 609-614. doi: 10.12178/1001-0548.2019162
[6]	张桂凤. 基于Adaboost的脑肿瘤患者存活周期分析 . 电子科技大学学报, 2020, 49(3): 467-472, 480. doi: 10.12178/1001-0548.2019101
[7]	刘飚, 潘扬, 许盛伟, 李佳丽, 封化民. 基于集成学习的功耗分析研究 . 电子科技大学学报, 2019, 48(2): 253-258. doi: 10.3969/j.issn.1001-0548.2019.02.015
[8]	杨骁, 李靖坤, 徐锦里, 陈国晏, 娄付军, 李浩. DC-DC转换器高集成度片上软启动电路 . 电子科技大学学报, 2018, 47(1): 30-36. doi: 10.3969/j.issn.1001-0548.2018.01.005
[9]	刘忠宝, 裴松年, 杨秋翔. 具有N-S磁极效应的最大间隔模糊分类器 . 电子科技大学学报, 2016, 45(2): 227-232.
[10]	周振华. AdaBoost人脸检测定点型优化算法 . 电子科技大学学报, 2015, 44(4): 589-593. doi: 10.3969/j.issn.1001-0548.2015.04.019
[11]	田银, 李沛洋, 徐鹏. 基于AdaBoost的脑机接口分类算法研究 . 电子科技大学学报, 2013, 42(5): 791-793. doi: 10.3969/j.issn.1001-0548.2013.05.029
[12]	陈福深, 陶厚超, 孙豹. 带双负载环形天线的集成光波导磁场探测器 . 电子科技大学学报, 2009, 38(1): 141-143.
[13]	张传武. 细胞自动机组合伪随机序列发生器 . 电子科技大学学报, 2008, 37(5): 716-719.
[14]	刘贵松, 王晓彬. 采用自适应GHA神经网络的分类器设计 . 电子科技大学学报, 2007, 36(6): 1241-1244.
[15]	陈振国, 李冬艳. 运用核Fisher鉴别分析和MPM分类器的入侵检测 . 电子科技大学学报, 2007, 36(6): 1192-1194.
[16]	陈福深, 崔海娟. 光纤陀螺用Y分支集成光学调制器的研究 . 电子科技大学学报, 2003, 32(3): 240-244.
[17]	侯孟书, 赫俊民, 胡卫东, 杨帆, 唐雪飞. XML与CORBA的集成 . 电子科技大学学报, 2002, 31(5): 529-533.
[18]	徐军, 李超, 薛良金. 毫米波E面混合集成电调振荡器 . 电子科技大学学报, 1999, 28(3): 251-254.
[19]	徐军, 薜泉, 薜良金. 8mm集成鳍线宽带机调耿氏振荡器 . 电子科技大学学报, 1997, 26(1): 35-39.
[20]	曾升权, 刘强, 陈巧生. Ka频段集成化鳍线铁氧体环行器 . 电子科技大学学报, 1997, 26(2): 157-161.

WeChat

点击查看大图

计量

文章访问数: 3364
HTML全文浏览量: 125
PDF下载量: 44
被引次数: 0

关于Real AdaBoost算法的分析与改进

doi: 10.3969/j.issn.1001-0548.2012.04.013

付忠良

1. 中国科学院成都计算机应用研究所成都 610041

基金项目:

四川省科技支撑计划项目(2008SZ0100,2009SZ0214)

作者简介:
付忠良(1967-),男,研究员,博士生导师,主要从事机器学习和图形图像处理方面的研究.

收稿日期: 2010-09-09
修回日期: 2011-09-19
刊出日期: 2012-08-15

中图分类号: TP391

关键词:

摘要: 采用一种新的技术,对Real AdaBoost算法的有效性、误差估计、算法流程和弱分类器训练进行了分析和证明。证明了可用加权组合弱分类器对Real AdaBoost算法进行改进,并得到了近似最佳组合系数;指出Real AdaBoost算法的样本权值调整和弱分类器训练方法的真实目的是确保弱分类器的独立性;基于Bayes统计推断对Real AdaBoost算法进行了多分类推广,得到了算法公式和误差估计,给出了便于使用的弱分类器训练简化方法。得到了Gentle AdaBoost算法的误差估计公式。UCI数据实验验证了所提算法和改进算法的效果。

English Abstract

付忠良. 关于Real AdaBoost算法的分析与改进[J]. 电子科技大学学报, 2012, 41(4): 545-551. doi: 10.3969/j.issn.1001-0548.2012.04.013

引用本文:

付忠良. 关于Real AdaBoost算法的分析与改进[J]. 电子科技大学学报, 2012, 41(4): 545-551. doi: 10.3969/j.issn.1001-0548.2012.04.013

FU Zhong-liang. Analysis and Improvement on Real AdaBoost Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(4): 545-551. doi: 10.3969/j.issn.1001-0548.2012.04.013

Citation:

FU Zhong-liang. Analysis and Improvement on Real AdaBoost Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(4): 545-551. doi: 10.3969/j.issn.1001-0548.2012.04.013

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发