[發(fā)明專利]一種基于AdaBoost的弱分類器內(nèi)部結(jié)構(gòu)調(diào)整方法

有效

• 申請?zhí)枺?/td>: 201310205336.7
• 申請日: 2013-05-27
• 公開（公告）號: CN103246897A
• 公開（公告）日: 2013-08-14
• 發(fā)明（設(shè)計）人: 錢惟賢;楊力;胡楷;周霞;任建樂;顧國華;陳錢;路東明;隋修寶
• 申請（專利權(quán)）人: 南京理工大學(xué)
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 唐代盛

1.一種基于AdaBoost的弱分類器內(nèi)部結(jié)構(gòu)調(diào)整方法，其特征在于包括以下步驟：

步驟一：訓(xùn)練弱分類器，通過加權(quán)訓(xùn)練樣本決定訓(xùn)練的弱分類器的融合權(quán)重，每個弱分類器對輸入樣本輸出一個弱假設(shè)，所有弱分類器組成一個強(qiáng)分類器并輸出最終結(jié)果；

步驟二：對弱分類器進(jìn)行內(nèi)部結(jié)構(gòu)調(diào)整，每個弱分類器的調(diào)整是由一個調(diào)整向量β和一個偏移向量η決定的，它們的維數(shù)都是1×N維，N為多級弱分類器的數(shù)目，按ht(x,y)=βty(Rty(x)-ηty),y∈Y={1,...,N}]]>進(jìn)行調(diào)整；

步驟三：對內(nèi)部結(jié)構(gòu)調(diào)整后的弱分類器進(jìn)行最佳參數(shù)選擇，利用遺傳算法來選取最佳參數(shù)；

步驟四：調(diào)整過的弱分類器進(jìn)行驗(yàn)證，即滿足一個設(shè)定的閾值，具體為對于m個樣本，調(diào)整驗(yàn)證計算方式如下：

，q=1,…,M

其中是弱分類器對于m個樣本的分類表現(xiàn)，

θq={θq0,θq1,...,θqK}]]>，?代表未經(jīng)內(nèi)部結(jié)構(gòu)調(diào)，θq0=<ηq0,βq0>;ηq0=0,βq0=1]]>；

代表調(diào)整過的弱分類器對m個樣本的分類表現(xiàn)，其中：

θq*=<ηq*,βq*>=argmaxθqf(θq)]]>

其中f(θ_q)?是加權(quán)向量樣本正確分辨率，

f(θq)=1mΣi=1m[hq(xi,yi)]]]>

其中i=1,…,m，M為強(qiáng)分類器個數(shù)，m為訓(xùn)練樣本集中樣本數(shù)量；

如果不成立，那么使用步驟一訓(xùn)練后的弱分類器；

步驟五：訓(xùn)練樣本重新加權(quán)，使用訓(xùn)練樣本測試調(diào)整過的弱分類器，根據(jù)步驟一再次確定樣本的權(quán)值，并計算每個強(qiáng)分類器的輸出，最后將M個強(qiáng)分類器串聯(lián)得到最終的級聯(lián)分類器。