- 年份
- 2025(1)
- 2024(1)
- 2023(13)
- 2022(4)
- 2021(5)
- 2020(10)
- 2019(13)
- 2018(17)
- 2017(11)
- 2016(9)
- 更多...
- 核心收录
- 中国科技论文与引文数据库(CSTPCD)(125)
- 中国科学引文数据库(CSCD)(80)
- 北京大学中文核心期刊目录(北大核心)(70)
- 中国人文社会科学引文数据库(CHSSCD)(2)
- 更多...
- 刊名
- 计算机工程(16)
- 计算机工程与应用(13)
- 计算机应用与软件(11)
- 电子科技(8)
- 计算机应用研究(8)
- 软件导刊(8)
- 微型电脑应用(4)
- 数据采集与处理(4)
- 计算机技术与发展(4)
- 电子学报(3)
- 更多...
- 作者单位
- 上海交通大学(7)
- 上海大学(5)
- 中国科学技术大学(4)
- 吉林大学(4)
- 太原师范学院(4)
- 太原理工大学(4)
- 杭州电子科技大学(4)
- 西安电子科技大学(4)
- 重庆邮电大学(4)
- 上海理工大学(3)
- 更多...
- 语种
- 汉语(169)
- 关键词
- AdaBoost算法(169)
- 人脸检测(40)
- 集成学习(14)
- 分类器(11)
- BP神经网络(10)
- 支持向量机(10)
- 级联分类器(9)
- 人脸识别(8)
- Haar特征(7)
- 肤色分割(7)
- 更多...
- 作者
- 赵月爱(4)
- 陈俊杰(4)
- 李睿(3)
- 王晓丹(3)
- 邹湘军(3)
- 付忠良(2)
- 刘磊(2)
- 卢道兵(2)
- 叶学义(2)
- 吴薇(2)
- 更多...
相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 169 条结果
- 基于"大T"型区域的AdaBoost人脸检测算法摘要: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…查看全部>>
- 基于双阈值AdaBoost算法的4-CBA含量软测量建模北大核心CSCDCSTPCD
- 基于SMA方法的人脸校验北大核心CSCDCSTPCD摘要:提出了基于SMA方法解决人脸与非人脸的校验问题.该方法首先运用主分量分析PCA(Principal Component Analysis)方法降低特征向量的维数,然后运用神经网络原理,采用径向基函数RBF(Radial Basis Function)前向神经网络,运用SMA算法得到人脸、非人脸的软间隔判决函数.这种方法允许在样本训练过程中有错误分类,从而更具推广性,且得到的判决函数更加简单,进而使实时处理系统效率更高.实验表明,该方法…查看全部>>
- 一种限制输出模型规模的集成进化分类算法北大核心CSCDCSTPCD摘要:AdaBoost算法是一种典型的集成学习框架,通过线性组合若干个弱分类器来构造成强学习器,其分类精度远高于单个弱分类器,具有很好的泛化误差和训练误差.然而AdaBoost算法不能精简输出模型的弱分类器,因而不具备良好的可解释性.本文将遗传算法引入AdaBoost算法模型,提出了一种限制输出模型规模的集成进化分类算法(Ensemble evolve classification algorithm for controlling the…查看全部>>
- 一种基于HOG的行人检测算法摘要:提出一种基于梯度方向直方图与AdaBoost+SVM的行人检测算法.方向梯度直方图用于描述和提取行人的外观及运动特征,并使得外观 、运动特征实现相互融合.在分类器的选择上使用SVM作为AdaBoost的弱分类器对行人检测器进行分类训练,最终得到分类效果好的行人检测器,实现更好的检测性能.
- 基于多核SVM的AdaBoost心力衰竭死亡率评估模型CSTPCD摘要:[目的]心力衰竭简称心衰,是一种复杂的临床综合征,具有高发病率、高死亡率和预后效果不佳等显著特点,是各类心脏疾病发展的终末期,严重危害人类健康.因此,对心衰患者进行早期的预后评估研究至关重要,可以最大程度地帮助患者生存.[方法]提出一种基于多核支持向量机(multi kernel support vector machine,MK-SVM)和自适应提升算法(adaptive boosting,AdaBoost)的心力衰竭死亡率评估模型…查看全部>>
- 机器学习算法在燃料棒温度性能预测中的应用北大核心
- 基于组件词表的物体识别北大核心CSCDCSTPCD
- 基于BP-AdaBoost算法的复杂产品装配制造成熟度等级评估方法CSCDCSTPCD
- 基于混合采样的非平衡数据集分类研究北大核心CSCDCSTPCD摘要:针对传统的过采样算法在增加样本的同时可能使决策域变小和噪声点增加的问题进行了研究,提出了一种基于错分的混合采样算法。该算法是以SVM为元分类器,AdaBoost算法进行迭代,对每次错分的样本点根据其空间近邻关系,采取一种改进的混合采样策略:对噪声样本直接删除;对危险样本约除其近邻中的正类样本;对安全样本则采用SMOTE算法合成新样本并加入到新的训练集中重新训练学习。在实际数据集上进行实验,并与SMOTE-SVM和AdaBoost…查看全部>>