强大的基于 AdaBoost 的 OCSVM 集成

基于 Adaboost 的人脸检测系统的设计与实现(opencv+Python)-附件资源

针对因图像背景复杂、光照变化及面部旋转等因素的影响,使复杂背景下人脸检测难度大、速度慢和准确率低的问题,使用Adaboost算法进行人脸检测,并在OpenCV上实现其检测过程。分别对具有面部旋转和复杂背景的图像进行了人脸检测实验,其检测准确率分别为85%和99%,平均检测时间分别是16.67ms/张和76ms/张。实验结果表明,该算法能在复杂背景下准确、快速地实现人脸检测,且能满足人脸识别系统实时性的要求。

这篇论文讲述了基于haar特征的adaboost算法，具体介绍实现人脸检测的过程

【课程简介】 本课程适合所有需要学习机器学习技术的同学，课件内容制作精细，由浅入深，适合入门或进行知识回顾。 本章为该课程的其中一个章节，如有需要可下载全部课程 全套资源下载地址：https://download.csdn.net/download/qq_27595745/85252312 【全部课程列表】 第1章 机器学习和统计学习 共75页.pptx 第2和12章 感知机和统计学习方法总结 共27页.pptx 第3章 k-近邻算法 共69页.pptx 第4章 贝叶斯分类器 共79页.pptx 第5章 决策树 共98页.pptx 第6章 Logistic回归 共75页.pptx 第7章 SVM及核函数 共159页.pptx 第8章 adaboost 共75页.pptx 第9章 EM算法 共48页.pptx 第10章 隐马尔科夫模型 共64页.pptx 第11章 条件随机场 共63页.pptx 第13章 无监督学习概论 共27页.pptx 第14章 聚类方法 共52页.pptx 第15章 奇异值分解 共66页.pptx 第16章 主成分分析 共67页.pptx 第17章 潜在语义

使用opencv3.1中自带训练引擎，人脸识别数据集，里面包含一个自动获取文件名字并生成对应文本的C++程序

利用AdaBoost训练分类器的过程比较繁琐，这篇文章总结了全部过程，很详细，看完就会

本资源为机器学习实战的所有源代码。包含的内容有使用k-近邻算法改进约会网站的配对效果、使用k-近邻算法识别手写数字、使用决策树预测隐形眼镜类型、使用朴素贝叶斯过滤垃圾邮件、从疝气病症预测病马的死亡率、SVM手写识别问题回顾、利用AdaBoost元算法提高分类、线性回归预测鲍鱼的年龄、岭回归预测乐高玩具套装的价格、树回归、K-means对地理坐标进行聚类、Apriori算法发现毒蘑菇的相似特征、FP-growth算法从新闻网站点击流中挖掘、PCA对半导体制造数据降维、SVD基于协同过滤的推荐引擎、分布式SVM的Pegasos算法、用mrjob实现MapReduce版本的SVM。’

说明文档内容： 第一章 概述：1）研究背景和现状；2）情感分析的概念 第二章 微博的获取与清理：1）微博的反爬虫机制；2）微博的获取；3）微博的分词与降噪 第三章 SVM初步分类：1）svc；2）实验 第四章 利用贝叶斯定理进行情感分析 第五章 利用AdaBoost加强分类器 第六章 总结与展望

BP神经网络可以解决地表沉陷等非线性关系问题，为了更精确地进行地表沉陷变形预测，引入Adaboost算法对BP神经网络进行改进，并运用Matlab R2014a建立基于Adaboost的BP神经网络地表沉陷预测模型。首先通过BP神经网络进行训练、测试，经过多次迭代，将每个BP神经网络作为一个弱预测器加权组合，形成强预测器，并首次对青岛地铁3号线保河区间隧道进行地表下沉值预测。预测结果表明：Adaboost的BP神经网络预测下沉值的平均绝对误差为0.585 3 mm，平均相对误差为5.82%，与BP神经网络预测相比，绝对误差降低了2.594 7 mm，相对误差降低了27.46%，由此表明Adaboost的BP神经网络适用于地表沉陷预测，且预测精度更高。