手动实现AdaBoost,语言为Python，最后使用五折交叉验证确定弱分类器数目的最优解，并有弱分类器与强分类器的比较实现及结果展示，欢迎大家下载。

数字图像课程设计，其中包括论文和源程序，自己用MFC写了一个简单的界面，算法是基于Adaboost的

AdaboostOnMNIST 这是使用两个不同的弱学习者从头开始实现Adaboost算法的方法：决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。 经过scikit Learn模型的adaboost测试，并获得了更高的分数。 最小的训练误差为％1.8，在7次迭代中进行了梯度增强。 函数调用为adaboost（X_train，Y_train，inversions_t，Classifier_type），有两种类型的分类器，“ Gradient_Boost”和“ Decision_tree”可以放入第4个输入中。 adaboost返回一个4元组（stump，stump_weights，errors，D_weights） 您可以使用predict（stumps，stump_weights，X_test）对训练集进行预测。 这将返回该X_test的标签数组

通过对基于Haar-like特征的AdaBoost人脸检测算法研究，利用由该算法训练的级联分类器和计算机视觉类库OpenCV进行人脸检测系统设计，实现了基于静态图像、摄像头视频和avi视频的人脸检测与标记，以及标记后的人脸区域图像实时显示和存盘。此外，在VC++6.0环境下实现了对人脸检测系统软件界面的开发。实验结果表明，该检测系统开发周期短，检测速度快，实时性强，检测率高，可作为人脸识别和人脸跟踪系统的开发基础。

代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP_Adaboost算法的公司财务预警建模代码代码 基于BP

Adaboost算法流程和证明.pdf

分级结构adaboost算法在无线传感器网络入侵检测中的.doc

一种改进的增强型 AdaBoost 算法1.doc

介绍通过视频实时采集图像和行为识别来实现舌控鼠标系统。首先利用Adaboost和Lucas-Kanade算法实现实时人脸的识别与跟踪，然后提出了脸部器官定位的算法。通过舌头的行为识别来控制鼠标系统。实验表明该系统能较好完成鼠标操作基本功能，具备实时性和稳定性。

现实中基于图像处理的疲劳驾驶监测往往因环境的变化而具有不确定性。监测算法不规范,以致于疲劳驾驶监测任务很具有挑战性。为了解决此问题,提出了一种基于多算法融合的动态滑动窗口算法框架。首先利用Adaboost算法识别人眼,然后改进Otsu算法来自适应各种不同环境;进而提出动态滑动窗口算法来得到睁闭眼之间的最佳阈值;最终,利用改进的PERCLOS算法估计疲劳驾驶状态的不同级别。针对环境的变化采用睁闭眼判断窗口随人眼特征变化而更新的策略,系统使用摄像头实时捕获人眼图像,并在PC机上进行仿真测试,可在130~150ms之间实现不同疲劳状态的识别。实验结果表明,此算法框架能够有效、快速的分辨驾驶员不同的疲劳状态。