搜索结果: 1-8 共查到“人工智能 Boosting”相关记录8条 . 查询时间(0.216 秒)
Boosting在火灾识别中的应用研究
火灾识别 谱值特征 最优特征选择 Gentle Boosting
2010/2/8
提出一种通过计算机图像识别火灾的新方法。首先根据亮度定位可疑火灾区域，对该区域中像素点提取亮度变化率及火焰面积变化率等特征，并提出一种新的谱值特征，以消除规则闪动的光源带来的干扰。之后，采用 Gentle Boosting算法设计分类器，在训练的同时进行最优特征选择，实现了对特征空间的降维及分类。最后，实验给出了在多种环境下的识别结果及对细小火苗的定位结果，表明了方法在识别精度与计算时间上的优势。...
基于Boosting算法集成遗传模糊分类器的文本分类
模糊分类 特征选择 潜在语义索引
2009/9/21
提出一种新颖的基于Boosting模糊分类的文本分类方法。首先采用潜在语义索引(LSI)对文本特征进行选择；然后提出Boosting算法集成模糊分类器学习，在每轮迭代训练过程中，算法通过调整训练样本的分布，利用遗传算法产生分类规则。减少分类规则能够正确分类样本的权值，使得新产生的分类规则重点考虑难于分类的样本。实验结果表明，该文本分类算法具有良好分类的性能。
基于Boosting的智能车辆多类障碍物识别
支持向量机 集成学习 Boosting算法
2009/8/20
提出一种基于Boosting集成学习的二叉树支持向量机(BBT-SVM)。根据城区交通环境中各类障碍物的出现概率、模式间的类间差异，设计适用于智能车辆障碍物识别的SVM树型结构。对每个节点SVM分类器采用Boosting集成学习方法进行改进，减少差错积累误差，提高分类精度和泛化能力。实验结果表明，该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别。
基于基因表达谱结构提出一种基因表达谱的样本分类方法。首先用基因的Bhattacharyya距离衡量其所含样本类别的信息，过滤Bhattacharyya距离较小的噪声基因；然后修改重复剪辑近邻算法，剔除噪声样本；再基于Boosting算法构建支持向量机组合分类器；最后以结肠癌基因表达谱样本为例，进行了分类实验。实验结果表明该方法简单、有效，对基因表达谱样本的分类问题有强的实用性。
基于Boosting RBF神经网络的入侵检测
Boosting方法 RBF神经网络 正交最小二乘法
2009/7/21
提出一种新颖的基于boosting RBF神经网络的入侵检测方法。将模糊聚类和神经网络技术相结合，提出基于改进的FCM算法和OLS算法相结合的FORBF算法，为了提高RBF神经网络的泛化能力，采用Boosting方法，进行网络集成。以“KDD Cup 1999 Data”网络连接数据集训练神经网络并仿真实验，得到了较高的检测率和较低的误警率。
基于特征Boosting的真核启动子预测方法
启动子预测 词模式 特征boosting
2009/7/16
提出了一个新的启动子检测方法，它基于以下假设：启动子是由一些词模式决定的且不同的启动子由不同的词决定。通过计算散度距离选择最可能的特征并用feature-boosting构造一系列的弱分类器。一定数目的弱分类器可构造一强分类器，这样就可以达到一个较好的性能。和其他分类器不同的是，采用了不同的训练和分类策略。对大型基因序列实验结果和一些较好的算法比较显示该方法预测启动子区域是有效的，且具有较好的敏感...
基于Boosting RBF神经网络的人脸年龄估计
估计函数 RBF神经网络 Boosting算法
2009/4/29
年龄变化是引起人脸外观变化的主要原因，但每个人的生活方式不同，难以准确地从人脸图像中估计年龄。该文提出了一种基于人脸图像的年龄估计方法，用NMF方法提取人脸特征，通过RBF神经网络确定一个人脸图像及其相符年龄之间的估计函数。在此基础上，为了提高神经网络的泛化能力和故障诊断的准确性，利用Boosting方法构造一个基于神经网络的函数序列，将它们组合成一个加强的估计函数，实验结果表明了该方法的正确性。
基于Boosting算法的文本自动分类器设计
文本分类 机器学习 Boosting算法
2009/2/26
Boosting算法是目前流行的一种机器学习算法。采用一种改进的Boosting算法Adaboost.MHKR作为分类算法，设计了一个文本自动分类器，并给出了评估方法和结果。评价表明，该分类器有很好的分类精度。