注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于Adaboost算法的实时行人检测系统

  2. 实时的人脸检测系统，AdaBoost算法是当今流行的人脸检测算法之一。

  3. 所属分类：C++

    • 发布日期：2011-06-01
    • 文件大小：2097152
    • 提供者：jsjliuxing

  1. 集成学习(Bagging ，Boosting ,AdaBoost) PPT

  2. 集成学习Bagging ，Boosting等介绍的PPT。集成方法是构建一种对单个分类器进行集成的学习算法，将各分类器的分类结果以一定的方式集成起来实现对新数据点进行分类，其中单个分类器是独立的且不要求分类精度很高。通过这种方式，大大提高了集成系统的性能。

  3. 所属分类：专业指导

  1. 最全面的Adaboost算法介绍

  2. 文中详细的介绍了什么是AdaBoost算法，Adaboost算法的工作流程以及其应用。文中带有非常详细的讲解和注释。非常适合学习这个算法的童鞋。

  3. 所属分类：专业指导

    • 发布日期：2012-10-30
    • 文件大小：4194304
    • 提供者：flashwxh2008

  1. Adaboost人脸检测算法研究

  2. Adaboost人脸检测算法研究及OpenCV实现，Adaboost人脸检测算法研究及OpenCV实现

  3. 所属分类：其它

    • 发布日期：2013-04-01
    • 文件大小：409600
    • 提供者：lazymrd

  1. Adaboost matlab代码

  2. 通过研究在Schapire的大作中提到了一个Toy Game的例子，这里给出了一个类似的Matlab代码，非常适合初学者学习。在AdaBoost中，每个样本都被赋予一个权重。如果某个样本没有被正确分类，它的权重就会被提高， 反之则降低。这样， AdaBoost方法将注意力更多 地放在“难分”的样本上。那怎么合并若分类器成为一个强分类器？强分类器表示为若干弱分类器的线性加权和形式， 准确率越高的弱学习机权重越高。

  3. 所属分类：其它

    • 发布日期：2013-07-26
    • 文件大小：3072
    • 提供者：mba16c35

  1. adaboost算法matlab实现

  2. adaboost算法是一个由多个弱分类器生成一个强分类器的算法，可以提高分类的正确率，这里利用adaboost算法的原理，结合matlab做了一个简单的实例 里面h1-h8为八个弱分类器，adaboost为训练的主函数，test调用了训练函数，对一个样本进行测试，calerr计算每次循环后的错误频率

  3. 所属分类：专业指导

    • 发布日期：2013-07-27
    • 文件大小：4096
    • 提供者：angellinz

  1. adaboost算法

  2. adaboost代码，c++学习专用，adaboost算法分析

  3. 所属分类：C++

    • 发布日期：2014-07-22
    • 文件大小：3145728
    • 提供者：jeense

  1. Haar-Like特征和AdaBoost论文学习的PPT

  2. 基于Viola&Jones论文的理解制作的PPT，包括Haar-Like特征，积分图，AdaBoost和级联结构分类器，可以作为参考和学习！

  3. 所属分类：其它

    • 发布日期：2014-11-08
    • 文件大小：3145728
    • 提供者：zyttae

  1. Adaboost文章

  2. Adaboost方向文章，全方位了解Adaboost理论，Adaboost应用

  3. 所属分类：互联网

    • 发布日期：2014-11-13
    • 文件大小：11534336
    • 提供者：shylin1989

  1. machine learning adaboost

  2. AdaBoost算法有AdaBoost.M1和AdaBoost.M2两种算法，AdaBoost.M1是我们通常所说的Discrete AdaBoost，而AdaBoost.M2是M1的泛化形式。关于AdaBoost算法的一个结论是:当弱分类器算法使用简单的分类方法时,boosting的效果明显地统一地比bagging要好.当弱分类器算法使用C4.5时,boosting比bagging较好,但是没有前者明显。后来又有学者提出了解决多标签问题的AdaBoost.MH和AdaBoost.MR算法,其

  3. 所属分类：Python

    • 发布日期：2014-12-04
    • 文件大小：73728
    • 提供者：suipingsp

  1. AdaBoost算法java实现统计学习方法例子

  2. java实现，Adaboost算法，统计学习方法书上简单例子

  3. 所属分类：机器学习

    • 发布日期：2017-08-10
    • 文件大小：14336
    • 提供者：hb_688

  1. haartraining+objectmarker，opencv，Adaboost级联分类器训练工具包

  2. haartraining+objectmarker，opencv，Adaboost级联分类器训练工具包，里面包含所有用来训练opencv里基于haar特征的adaboost级联分类器的工具，可以用来训练人脸检测，车辆检测等对象检测的级联分类器

  3. 所属分类：C++

    • 发布日期：2018-01-06
    • 文件大小：6291456
    • 提供者：qq_35400936

  1. 基于AdaBoost和马尔科夫随机场的影像分类

  2. 基于AdaBoost和马尔科夫随机场的影像分类，陈楚，关泽群，AdaBoost算法是一种自适应的Boosting算法，非常适合对空间数据中陆地覆盖的分类。假定因为损失函数后验概率由让步比给定，且陆地覆盖�

  3. 所属分类：其它

    • 发布日期：2019-12-30
    • 文件大小：125952
    • 提供者：weixin_38603875

  1. 决策树代码Python（包含GINI，信息熵构建方法，10折交叉验证，Adaboost以及Boost方法）

  2. 决策树代码Python（包含GINI，信息熵构建方法，10折交叉验证，Adaboost以及Boost方法）

  3. 所属分类：讲义

    • 发布日期：2016-12-27
    • 文件大小：54272
    • 提供者：bigfish_yukang

  1. 基于AdaBoost-PSO-ELM算法的滑坡位移预测研究

  2. 矿山排土场滑坡的过程是一个动态、大延迟、高度非线性的特性问题，影响矿山排土场滑坡的因素众多，各个特性指标间相互影响，关于排土场滑坡预警并没有严格的划分标准。对此，提出一种自适应提升算法(Adaptive Boosting，AdaBoost)、改进的粒子群算法(Particle Swarm Optimization，PSO)和极限学习机(Extreme Learning Machine，ELM)相结合的矿山排土场滑坡短期预测方法。该方法首先利用粒子群优化算法得出ELM模型的最佳输入参数，再通过自适

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：654336
    • 提供者：weixin_38698311

  1. 一种Adaboost 优化的MIMUs /GPS 信息融合算法

  2. 为确保GPS 失锁期间MIMUs /GPS 组合系统的导航精度，引入Adaboost 优化的BP 网络辅助常规Kalman 滤.波器实现滤波解算。当出现GPS 失锁等信号不可用的情况，利用训练好的网络对同一时刻MIMUs，GPS 分别解算的.速度、位置信息的差值进行预测，并将结果送入Kalman 滤波观测器，通过改进系统层面上的导航策略，修正MIMUs 单.机工作下逐渐积累的导航参数误差。仿真结果表明，在组合系统模拟GPS 失锁的50 s 内，Adaboost 优化的BP 网络能.够及时辅助滤波

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：2097152
    • 提供者：weixin_38747818

  1. 健壮的多类AdaBoost算法，用于标签错误的嘈杂数据

  2. AdaBoost在理论上和经验上都被证明是一种非常成功的整体学习算法，它可以迭代地生成一组多样化的弱学习者，并使用加权多数投票规则作为最终决定来组合其输出。 但是，在某些情况下，AdaBoost会导致过度拟合，特别是对于标签错误的嘈杂训练示例，会导致其泛化性能下降和不稳健。 最近，有人提出了一种有代表性的方法，即基于噪声检测的AdaBoost（ND_AdaBoost），以提高AdaBoost在两类分类方案中的鲁棒性，但是，在多类方案中，这种方法很难获得令人满意的性能。出于以下三个原因。 （1）如

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1048576
    • 提供者：weixin_38668672

  1. 永不忽略不同异常的重要性：一种基于损失函数的成本敏感算法，用于异常检测

  2. 在我们的日常生活中，各种应用领域中到处都有异常情况。 如果我们无法提前发现，大多数异常可能会造成巨大的损失。 多年来，已经对该领域进行了大量研究，以便尽快发现异常。 其中，机器学习是最常用的技术之一。 先前的工作试图通过选择各种分类器来改善检测效果，并取得了一些成功。 但是很少有人考虑到每个异常可能造成的不同损失。 众所周知，具有更高重要性的异常会导致更高的损失。 在本文中，我们旨在通过提出一种改进的对成本敏感的GBDT算法LF-GBDT来最大程度地减少损失。 LF-GBDT旨在优化自定义损耗函

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：459776
    • 提供者：weixin_38723192

  1. ML_Pattern：机器学习和模式识别的一些公认算法[决策树，Adaboost，感知器，聚类，神经网络等]是使用python从头开始实现的。 还包括数据集以测试算法-源码

  2. ML_Pattern：机器学习和模式识别的一些公认算法[决策树，Adaboost，感知器，聚类，神经网络等]是使用python从头开始实现的。 还包括数据集以测试算法

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：6291456
    • 提供者：weixin_42138525

  1. ai-sample：包含使用scikit-learn的决策树，神经网络，Adaboost，KNN和SVM的scikit-learn库的用法。 使用了两个数据集Normalized MNIST和Amazon Reviews数据集-源码

  2. 样本 包含使用scikit-learn实现的决策树，神经网络，Adaboost，KNN和SVM。 数据集 使用了两个数据集归一化MNIST数据集和Amazon Reviews数据集。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：37748736
    • 提供者：weixin_42133329
« 12 3 4 5 6 7 8 9 10 ... 34 »