研究的是基于Android平台人脸识别算法的应用，针对人脸识别方法进行研究，以提高识别的准确率和速度为目的，选用Haar特征提取的方法作为人脸检测的主要方法，选用Adaboost算法作为人脸识别的主要算法。在研究过程中出现的难点有人脸的检测受到外界影响，人脸的检测误差率较大，采用增加分类器将多个弱分类器级联为强分类器以优化算法，本设计已经测试在Android手机上测试成功，同一人不同脸的近似度在90%左右。
2021-12-22 16:52:24
706KB
1
针对传统的Adaboost 训练算法在训练过程中可能出现训练退化和训练目标类权重分布 过适应的问题，提出一种改进的Adaboost 训练算法． 改进算法通过调整加权误差分布限制目 标类权重的扩张，并且最终分类器输出形式以概率值输出代替传统的离散值输出，提高了训 练结果的检测率． 实验结果表明，改进的Adaboost 算法在Inria 数据集上取得了较好效果．
2021-12-13 19:38:58
836KB
1
adaboost 的demo程序，其中使用的弱分类器有naive bayes, knn与lda,网络上有许多此程序的代码，但其中存在错误，我把其中明显的错误给修正了过来，添加了demo文件，现在可以直接运行demo.另外我在其中还做了大量的注释，可以比较方便阅读，不过需要注意的是，我觉得原作者给出的代码中对于lda与adaboost的算法与标准的算法有差异，大家下载阅读时需要引起注意。
2021-12-09 13:44:16
423KB
1
针对现有软测量模型更新方法的不足,将增量学习思想与 AdaBoost集成学习思想相结合,提出了一种具有增量学习性能的改进 AdaBoost集成学习算法。并将该改进的 AdaBoost与 BP神经网络一起形成了集成 BP神经网络,建立了基于改进 AdaBoost集成 BP网络的软测量模型。该软测量建模新方法可以提高单一 BP网络的精度,同时还能保证建模具有增量学习的更新性能。使用该软测量建模新方法建立抚钢 60t LF 炉钢水成分软测量模型,取得了较好的预测效果,可以满足实际生产的需要。
2021-12-06 19:40:31
835KB
1
Ada-IRL
Adaboost逆向强化学习
一种使用类似于Adaboost的I-Rl算法的方法。
RL
开始进行强化学习的测试演示。
python rl_test.py
内部收益率
开始进行逆向强化学习的测试演示。
python irl_test.py
2021-12-06 17:11:17
8KB
1