[發明專利]一種基于Ransac算法的魯棒AdaBoost分類器構建方法在審
| 申請號： | 201711353247.1 | 申請日： | 2017-12-15 |
| 公開（公告）號： | CN108090512A | 公開（公告）日： | 2018-05-29 |
| 發明（設計）人： | 羅宇;黃文超;吳家慧;李文琪 | 申請（專利權）人： | 佛山市厚德眾創科技有限公司 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 佛山幫專知識產權代理事務所(普通合伙) 44387 | 代理人： | 顏春艷 |
| 地址： | 528200 廣東省佛山市南海*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 分類器模型 構建 構建分類器 魯棒 迭代過程 分類模型 強分類器 訓練樣本 樣本建立 樣本子集 分類 抽取 樣本 重復 | ||
【權利要求書】：
1.一種基于Ransac算法的魯棒AdaBoost分類器構建方法，其特征在于，包括以下步驟：
(1)根據Ransac算法，設置每次初始構建分類器的樣本子集為R，樣本個數為n；
(2)從訓練樣本集中隨機抽取n個樣本，作為樣本子集R；
(3)基于這些樣本，利用AdaBoost算法訓練強分類器，使得分類器模型最符合當前樣本；
(4)基于AdaBoost算法用新構建的分類器模型Ci分類剩余的樣本，并計算分類模型對應分類精度；
(5)用所有這些正確的樣本重新基AdaBoost算法構建分類器模型Ci；
(6)用這個新構建的分類器模型再次判斷滿足該新構建分類器模型的全部訓練樣本，即樣本子集為R的一致集，并更新當前迭代次數j＝j+1；
(7)重復上述步驟4到步驟6直到滿足分類器模型Ci的樣本數量m不再增加或迭代次數已經超過了Tmax，則這m個樣本構成內點集，重新訓練分類器模型，至此可以獲得基于Ransac算法估計下的一個模型Ci和其對應的一致集；
(8)更新i＝i+1，判斷已建立的不同分類器模型數量是否已超過Nmax，如未超過轉回步驟(2)；
(9)比較全部分類器模型對應的正確分類樣本數，基于Ransac算法尋找最大一致集，即具有最多分類正確樣本數的分類器模型，并將其確定為最終選取的分類器模型，計算對應分類精度。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于佛山市厚德眾創科技有限公司，未經佛山市厚德眾創科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711353247.1/1.html，轉載請聲明來源鉆瓜專利網。
