检索结果-内蒙古大学图书馆

智能计算机与应用 2020年第2期10卷 103-106页

作者：贺超吴飞何洋朱海上海工程技术大学电子电气工程学院上海201620

随着改革开放后国民经济的迅速增长,股票市场也日渐繁荣,因此量化投资交易技术也愈发受到重视。利用adaboost算法的选股模型虽然能够很好地达到预期效果,但是由于adaboost算法对异常值较为敏感,并且子分类器的决策结果权重对于最终结果... 详细信息

随着改革开放后国民经济的迅速增长,股票市场也日渐繁荣,因此量化投资交易技术也愈发受到重视。利用adaboost算法的选股模型虽然能够很好地达到预期效果,但是由于adaboost算法对异常值较为敏感,并且子分类器的决策结果权重对于最终结果有较大的影响,所以本文提出新的判决式特征选择机制以在训练阶段提高子分类器的鲁棒性,并且利用新的投票决策机制,结合了子分类器自身的精度和特征属性权重信息,使得算法整体结果得到提升。实验对比了SVM算法和传统的adaboost算法,结果表明所提出的改进adaboost选股模型有很好的效果。

关键词：选股模型 adaboost算法判决式特征选择投票机制

来源：评论

学校读者我要写书评

暂无评论

融合卷积神经网络与adaboost算法的病害松树识别

引用

安徽大学学报（自然科学版） 2019年第2期43卷 44-53页

作者：胡根生殷存军张艳方怡朱艳秋安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心安徽合肥230601 安徽大学电子信息工程学院安徽合肥230601

针对无人机平台获取的高分辨率可见光松树图像,提出一种结合深度卷积神经网络和adaboost算法的病害松树识别方法,解决传统机器学习方法识别病害松树精确度不高问题.首先利用卷积神经网络训练病害松树模型再利用训练模型将地物中的田地... 详细信息

针对无人机平台获取的高分辨率可见光松树图像,提出一种结合深度卷积神经网络和adaboost算法的病害松树识别方法,解决传统机器学习方法识别病害松树精确度不高问题.首先利用卷积神经网络训练病害松树模型再利用训练模型将地物中的田地、裸土及黑影等复杂信息剔除掉,提取病害松树、健康松树及黑影区域的颜色和纹理特征,依据提取的特征在剔除地物干扰项后的决策层使用adaboost分类器进行目标识别.实验结果表明,该方法相较传统的K-means聚类、支持向量机、adaboost算法、BP神经网络、VGG(visual geometry group)算法等在识别精确度方面有显著提高.

关键词：深度卷积神经网络 adaboost算法机器学习目标识别支持向量机

来源：评论

学校读者我要写书评

暂无评论

一种加入动态权重的adaboost算法

引用

重庆师范大学学报（自然科学版） 2019年第5期36卷 117-122页

作者：熊霖唐万梅重庆师范大学计算机与信息科学学院

【目的】由于adaboost算法弱分类器对各待测样本其投票权重是固定不变的,这会导致使用该算法进行分类时准确性不高,于是针对该问题提出了一种结合静态权重与动态权重的学习算法adaboost_DW。【方法】该算法保留了adaboost算法训练阶段... 详细信息

【目的】由于adaboost算法弱分类器对各待测样本其投票权重是固定不变的,这会导致使用该算法进行分类时准确性不高,于是针对该问题提出了一种结合静态权重与动态权重的学习算法adaboost_DW。【方法】该算法保留了adaboost算法训练阶段产生的全部弱分类器,在预测阶段加入了能度量待测样本与各个弱分类器适应性的动态权重,通过双权重共同决定该弱分类器的投票权重。【结果】实验结果表明,adaboost_DW算法的分类精度绝大多数情况下高于原adaboost算法。【结论】证明了动态权重的加入能够提高原adaboost算法在各数据集上的分类准确率。

关键词： adaboost算法局部区域适应性动态权重

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络与adaboost算法的实时行人检测系统研究

基于卷积神经网络与AdaBoost算法的实时行人检测系统研究

引用

作者：李阳重庆邮电大学

学位级别：硕士

作为目标检测领域的特定课题,行人检测主要研究如何快速准确地从图像或者视频中检测出行人目标,并得到其精确坐标。行人检测的应用广泛,在无人驾驶、智能监控、客流量统计、机器人视觉以及人体行为分析等领域都发挥着重要作用。但由于... 详细信息

作为目标检测领域的特定课题,行人检测主要研究如何快速准确地从图像或者视频中检测出行人目标,并得到其精确坐标。行人检测的应用广泛,在无人驾驶、智能监控、客流量统计、机器人视觉以及人体行为分析等领域都发挥着重要作用。但由于行人目标形状姿态多样,服饰装扮各异,在不同视角和光照条件下所表现出来的形态不尽相同,并且还可能存在遮挡等情况,致使行人检测任务极具挑战性。目前,相较于其他算法,使用卷积神经网络搭建的行人检测系统通常能够取得更高的检测精度,但对于复杂环境中的小尺寸行人目标,这类系统在检测精度上仍然有待提高。为此,本文在基于卷积神经网络的目标检测系统基础之上进行优化,提出了一种改进型行人检测系统。该系统优化了数据集的预处理过程,并借助一种改进型反馈损失计算方法优化了检测系统的分类网络。此外,针对小尺寸行人目标检测精度低的问题,在系统主体模型之外设计了两种复查子系统,一种使用HOG特征结合自适应增强学习算法,另一种用到了SSD目标检测框架。检测时,通过主系统获得大尺寸行人目标的精确坐标和小尺寸目标所在区域的建议,然后复查子系统实现对小尺寸行人目标的精确定位。改进后的行人检测系统旨在改善大尺寸行人目标检测精度的同时,有效提升小尺寸目标的检测精度。为验证改进算法的可行性与有效性,本文使用了Faster R-CNN和SSD两种目标检测框架搭建行人检测系统的主体模型,同时分别使用Inception网络结构、残差网络结构和深度可分解卷积网络结构搭建系统主体模型的特征提取网络,并结合Caltech和CityPersons行人检测数据集对检测系统进行训练和测试。最终的实验结果证明,改进后的行人检测系统在实时运行的状态下,仍然具备优异的检测性能,并且在实际的应用场景中依然具备很好的检测效果。

关键词：行人检测卷积神经网络 adaboost算法 Faster R-CNN算法 SSD算法

来源：评论

学校读者我要写书评

暂无评论

利用惯性传感器和adaboost算法的步态识别方法

引用

计算机应用研究 2019年第4期36卷 1212-1216,1221页

作者：杨叶梅陈新福建师范大学协和学院福州350117 福州大学物理与信息工程学院福州350116

针对现有方法在步态识别方面存在的动作信号分割、传感器方向不一致和相似动作识别精度不高等缺点,提出一种基于惯性传感器和adaboost算法的步态动作识别方法。基于尺度空间技术提出了一种鲁棒的步态检测方法将信号分为动作样本,以此来... 详细信息

针对现有方法在步态识别方面存在的动作信号分割、传感器方向不一致和相似动作识别精度不高等缺点,提出一种基于惯性传感器和adaboost算法的步态动作识别方法。基于尺度空间技术提出了一种鲁棒的步态检测方法将信号分为动作样本,以此来应对动作速度或强度的剧烈变化;应用定位补偿匹配算法纠正传感器的倾斜,从而解决了传感器方向不一致的问题;为了提高识别精度,基于adaboost算法自适应选取动作特征,再进行判别分析完成识别。对五个相似步态动作类进行识别实验,结果表明提出的算法具有较高的准确性。

关键词：步态识别惯性传感器 adaboost算法尺度空间计数定位补偿匹配算法

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法和视觉显著性的羊只目标检测与计数方法研究

基于Adaboost算法和视觉显著性的羊只目标检测与计数方法研究

引用

作者：杨国欣西北农林科技大学

学位级别：硕士

智能化管理是规模化养殖的基础和发展方向。为实现羊场的智能化和规模化建设,提高羊场管理效率,本文以西北农林科技大学畜牧教学试验基地的奶山羊养殖场图像为研究对象,基于自适应增强算法(adaboost)和视觉显著性实现了羊场图像的羊只... 详细信息

智能化管理是规模化养殖的基础和发展方向。为实现羊场的智能化和规模化建设,提高羊场管理效率,本文以西北农林科技大学畜牧教学试验基地的奶山羊养殖场图像为研究对象,基于自适应增强算法(adaboost)和视觉显著性实现了羊场图像的羊只目标检测与计数。本文的主要研究内容与结论有:(1)数据集的采集与标注。为满足对羊场中运动场和羊舍两个不同区域目标检测的需要,首先在羊场搭建远程视频监控设备以获取大量羊场视频;然后经过视频分段、关键帧提取与筛选,分别建立了运动场和羊舍的数据集;最后利用Labelme软件对数据集中的羊只进行标注,生成正负样本用于运动场图像中的羊只目标检测,生成真值图(GroundTruth)用于羊舍图像中羊只目标检测。(2)运动场图像中羊只目标检测。针对运动场图像易受光照强度影响的问题,利用局部二值模式(LBP)特征构造了基于多分支结构的弱分类器;针对羊只间存在遮挡易被漏检的问题,改进了adaboost算法,并将多个强分类器级联,以提高检测准确率;针对羊只目标颜色较为单一的特点,基于H分量灰度化并分割图像,以提高检测速度。实验结果表明,与其他分量相比,本文基于H分量的图像分割方法,准确率最高,且对光照的鲁棒性最强,且本文目标检测结果优于与其对比的两种基于传统特征的方法,检测准确率可达84.3%。(3)羊舍图像中羊只目标检测。针对羊舍图像中羊只目标颜色单一的特点和存在多个目标的问题,对快速最小障碍距离算法(FastMBD)进行改进,估计背景先验显著图;针对羊舍图像背景中干扰较多的问题,基于密度聚类算法(DBSCAN)划分超像素,并利用优化的方法选取前景种子,最终基于流行排序算法估计前景先验显著图;针对生成的背景和前景先验显著图,采用指数融合方法生成显著图,并采用基于数学形态学的方法进行后处理。实验结果表明,本文方法在主观和客观的准确率-召回率曲线、平均准确率和平均召回率等评价指标方面均优于常用的7种显著目标检测方法。(4)羊只目标计数。运动场图像可在获得检测结果时直接统计检测到的和误检的羊只数,针对无法直接计数的羊舍目标检测结果,采用基于K均值聚类算法(K-Means)的阈值分割方法进行图像分割;针对分割结果中一个连通区域内可能存在羊只间相互遮挡的问题,基于8连通准则对分割结果中的连通区域进行标记,并基于比例因数法实现羊只计数。实验发现,本文分割方法在羊舍数据集和ECSSD数据集上均优于常用的6种图像分割方法,平均准确率可达89.50%,羊只计数的准确率可达79.70%。综上所述,本文基于adaboost算法和视觉显著性实现了羊场的目标检测及计数,对于促进奶山羊的规模化养殖,提升奶山羊养殖的智能化管理水平,实现奶山羊的“健康养殖”具有重要的理论和现实意义。

关键词：目标检测 adaboost算法显著性图像分割目标计数

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的回放语音检测方法在自动说话人确认中的应用

基于AdaBoost算法的回放语音检测方法在自动说话人确认中的应用

引用

作者：贾甜博南京财经大学

学位级别：硕士

说话人识别领域的研究在近年来取得了很大进展。自动说话人确认系统(Automatic Speaker Verification,ASV)由于其可靠、方便、低成本等特性,已经在呼叫中心、司法取证、门禁系统等领域投入使用。由于播放、录制语音设备的普及,以及音频... 详细信息

说话人识别领域的研究在近年来取得了很大进展。自动说话人确认系统(Automatic Speaker Verification,ASV)由于其可靠、方便、低成本等特性,已经在呼叫中心、司法取证、门禁系统等领域投入使用。由于播放、录制语音设备的普及,以及音频处理软件的出现,编辑、修改语音数据变得更加容易,特别是,回放语音攻击不需要任何语音信号处理专业知识,只需要一台可以录音和播放的设备,就可以对ASV系统发起攻击,而且语音来源于目标说话人。在这种情况下,ASV系统的识别结果大大降低,安全性遭受严重威胁。为了增强ASV系统的防回放语音攻击能力,回放语音检测已成为说话人识别领域最新的热门研究方向。本文主要的工作和创新点大致分为三个部分:(1)对于回放语音检测来说,选择适当的特征来反映语音中携带的相关信息是非常重要的。使用高斯混合模型(Gaussian Mixture Model,GMM)作为分类器,通过实验比较了9种特征参数在回放语音检测中的性能表现。该研究比较了静态和动态特征对检测结果的影响和特征泛化能力的表现。实验结果显示,高频特征、动态特征对检测结果的提升是有效的。但是这些特征不能够完全描述回放语音的特点,泛化能力表现较差。(2)为了增强ASV系统的安全性,开发出有效的回放语音检测方法,ASVspoof 2017挑战赛聚焦回放语音检测。将adaboost算法用于回放语音检测,来解决分类能力有限的问题。提出一种基于adaboost与均值超矢量(Gaussian Supervector,GSV)的回放语音检测方法,该方法采用常量Q倒谱系数(Contant Q Cepstral Coefficients,CQCC)为特征,adaboost算法的输入为提取的GSV,利用多个分类器的分类结果来降低错误率。并研究了对于检测结果影响较大的三个因素:关系因子、均值超矢量的维数和弱分类器的数量。ASVspoof 2017挑战赛给出的基线系统在开发集和评估集上的等错误率分别为11.85%和30%。提出的检测方法的等错误率为4.17%和16.81%,分别下降了65%和44%。(3)建立基于I-Vector/PLDA的ASV系统。将本文提出的基于adaboost-GSV的回放攻击检测方法放置到I-Vector/PLDA结构的ASV系统的前端。实验结果表明,没有集成回放语音检测方法的ASV系统,在开发集和评估集上的等错误率为13.51%和22.38%;加载本文提出的回放攻击检测方法后,相应的等错误率为9.17%和13.25%,分别下降了32%和41%。

关键词：自动说话人确认回放语音检测 adaboost算法均值超矢量

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的遮挡人脸检测研究

基于Adaboost算法的遮挡人脸检测研究

引用

作者：曹大陆哈尔滨工程大学

学位级别：硕士

随着人工智能的飞速发展,数字图像处理的要求也越来越高。人脸检测作为数字图像处理中的重要领域,有着向高效率和高检测精确度方向发展的趋势。同时人脸检测也是人脸图像处理的第一步,对后续的人脸识别和面部表情分析等操作有着至关重... 详细信息

随着人工智能的飞速发展,数字图像处理的要求也越来越高。人脸检测作为数字图像处理中的重要领域,有着向高效率和高检测精确度方向发展的趋势。同时人脸检测也是人脸图像处理的第一步,对后续的人脸识别和面部表情分析等操作有着至关重要的影响,人脸检测因此也成为了近年来数字图像处理中的研究热点。本文对adaboost算法进行了研究和改进,并对有遮挡图像的人脸检测进行了研究,主要工作如下:通过研究adaboost算法的训练和检测原理,对该算法的训练部分进行了改进。首先本文阐述了Haar-like特征和积分图的原理,讨论了训练弱分类器、强分类器和强分类器级联的方法,介绍了人脸检测和检测结果窗口合并的原理。其次本文讨论了优化训练样本和减少训练特征数量的方法。最后,针对训练时间过长这一问题,本文改进了双阈值弱分类器的训练方法。实验结果表明,在检测性能方面双阈值方法较传统方法准确率有所下降,但是召回率有着明显地提升。在训练时间方面,当训练样本图像的数量巨大的情况下,双阈值方法较传统方法在时间上的效率优势明显。双阈值方法能够在保证检测性能的条件下有效地降低训练时间。本文使用了一种新型的有遮挡人脸图像的处理方法流程,提出了基于显著性检测的POOA(Positioning the optimal occlusion area)人脸遮挡区域定位算法。首先采用基于集群的显著性检测算法对图像进行处理,增大人脸遮挡区域与人脸区域的差别,并采用POOA算法将人脸遮挡区域定位并标记。其次采用Robust PCA算法获得修复后的人脸图像,从而近似获得人脸遮挡区域的信息。最后,根据人脸遮挡区域的定位信息和修复信息,将定位的人脸遮挡区域填补,获得最终的人脸修复图像。通过adaboost人脸检测算法的实验可知,本文提出的方法较未经处理的方法能够一定程度地改善准确率,较好地提高召回率。

关键词：人脸检测 adaboost算法双阈值分类器遮挡人脸检测 POOA算法

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的路由泄漏检测技术研究与实现

基于AdaBoost算法的路由泄漏检测技术研究与实现

引用

作者：成李英北京邮电大学

学位级别：硕士

随着BGP网络协议的广泛应用,路由泄露作为常见的BGP异常,对网络稳定性造成巨大威胁。如何实现对路由泄露事件的有效检测,对维护网络环境稳定具有重要的意义。机器学习技术可以很好地用于路由泄露异常事件的检测。但是现有的机器学习检... 详细信息

随着BGP网络协议的广泛应用,路由泄露作为常见的BGP异常,对网络稳定性造成巨大威胁。如何实现对路由泄露事件的有效检测,对维护网络环境稳定具有重要的意义。机器学习技术可以很好地用于路由泄露异常事件的检测。但是现有的机器学习检测算法在进行BGP异常检测时,缺乏针对路由泄露异常的特征研究,其检测结果只能反映出是否发生BGP异常,而不能进一步确定异常类型是否是路由泄露。这将会为解决异常问题造成不便。本课题基于以上问题,提出一种针对路由泄露异常的检测算法。该算法针对路由泄露异常事件,提出区别于其他类型异常事件的特征,同时引入adaboost算法改进现有的单分类器检测算法。该算法在真实数据的基础上进行算法实现,具有针对性强,检测准确率较高的特点。论文主要工作包括三个方面。首先,本课题对路由泄露的定义和BGP协议进行分析,挖掘出三个路由泄露的特征。同时加入一些常见的BGP异常事件的特征,将两者联合得到最终的特征集。其次,本课题在真实数据的基础上实现了相关特征的计算和有效性检测。最后,本课题设计并实现了基于adaboost算法的路由泄露检测算法。实验结果表明,与已有的算法相比较,本课题提出的基于adaboost算法的路由泄露检测算法能够提升算法的准确率,实现针对性的路由泄露异常检测。

关键词：路由泄露异常检测特征挖掘机器学习 adaboost算法

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的并网光伏发电系统的孤岛检测法

引用

电工技术学报 2018年第5期33卷 1106-1113页

作者：贾科宣振文林瑶琦魏宏升李光辉新能源电力系统国家重点实验室(华北电力大学) 北京102206 广州供电局有限公司广州510000 国家电网公司中国电力科学研究院北京100192

目前光伏并网发电系统的孤岛检测多采用主、被动法结合的方法,然而无法有效确定参考电气量的阈值,导致孤岛检测存在死区,同时也可能影响电能质量。基于此,提出了一种基于adaboost算法的智能被动式孤岛检测方法,通过仿真建立光伏系统并... 详细信息

目前光伏并网发电系统的孤岛检测多采用主、被动法结合的方法,然而无法有效确定参考电气量的阈值,导致孤岛检测存在死区,同时也可能影响电能质量。基于此,提出了一种基于adaboost算法的智能被动式孤岛检测方法,通过仿真建立光伏系统并网和孤岛运行的数据库,提取可判断并网和孤岛运行两种状态的特征量,利用adaboost算法建立判断并网和孤岛运行状态的二分类模型,应用该模型根据某一运行状态下的特征量对其进行分类。该方法需要建立比较完备的数据库,选择合适的电气量作为判据。该方法避免了传统孤岛检测法各电气量阈值无法确定的问题,不引入扰动信号,不干扰电能质量。最后通过仿真验证了其检测孤岛的可靠性。

关键词：孤岛检测 adaboost算法智能被动式检测法分类模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：