机器学习课程设计—Adaboost算法实践，内含源码及报告(包括应用实例)

Graduation Design Project --- 基于AdaBoost算法的情感分析研究 一、 使用微博应用获取微博文本 二、 SVM初步分类 三、 利用贝叶斯定理进行情感分析 四、 利用AdaBoost加强分类器 仅供学习之用。

基于肤色和AdaBoost的多姿态人脸检测方法

人脸识别Adaboost源代码,用matlab编写实现，使用Adaboost算法进行人脸检测完整源代码，已通过测试。

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）

Adaboost Matlab 动态展示 博客地址： https://blog.csdn.net/weixin_43290523/article/details/88374269

共有三个文件，一个是头文件，主文件，算法文件，该代码已通过验证，分类效果较好。

matlab程序实现的Adaboost算法，得到最终分类器，并得到训练误差和实验误差。

用C语言实现的基于adaboost算法的人脸检测程序及人脸库 用C语言实现的基于adaboost算法的人脸检测程序及人脸库

针对现有主流检测算法在低光照或光照条件强烈变化情况下对交通标志检测精度不足、漏检现象严重的问题,提出一种改进后的基于图像关键点统计变换(MCT)特征的Adaboost集成算法,以降低样本图像对光照变化的敏感性,通过对图像关键点进行提取并建立弱分类器,增强噪声和部分遮挡情况下算法的抗干扰能力,同时采用多尺度特征融合算法实现交通标志的分类识别。选用德国交通标志数据集(GTSDB、GTSRB)和自建数据集对所提算法性能进行验证,结果表明,在三类数据集中本文算法均具有最佳检测率与识别率,对于低光照条件下的交通标志图像,本文算法的检测精确率为94.96%,在复杂光照环境下具有较好的稳健性。