唐春益
- 作品数：2 被引量：2H指数：1
- 供职机构：南昌航空大学更多>>
- 发文基金：中国航空科学基金国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于Gentle AdaBoost改进算法的不平衡数据分类
- 2012年
- 传统的Gentle Adaboost方法在处理不平衡数据集的分类问题时,通常采用过抽样方法,以达到数据集的平衡。但这样处理通常会引入难以分类的奇异样本,导致分类器的分类性能下降。为此,针对不平衡数据集分类提出了一种改进的Gentle AdaBoost算法。考虑到传统Gentle AdaBoost算法中容易分类的样本具有较小权重的特点,在分类器的迭代学习过程中,设定一个样本的权重阈值,仅对少数类样本中低权重样本进行复制,然后采用上述数据集进行分类器的训练,得到相应的弱分类器;重复上述步骤进行迭代,在完成平衡数据集的同时,得到强分类器。整个过程可以避免对数据过抽样时引入奇异样本的问题。实验证明了本算法的有效性。
- 储珺唐春益冯瑞娜
- 关键词：不平衡数据分类GENTLEADABOOST
- AdaBoost算法及其在目标识别中的应用研究
- 随着计算机软硬件技术和图像处理技术的飞速发展，基于图像的目标识别技术在航空航天的科学探测和天文观测、民用领域的视频监控以及军事目标跟踪等方面有着越来越广泛的应用。
AdaBoost算法是一种在目标识别中使用比较广...
- 唐春益
- 关键词：目标识别ADABOOST损失函数不平衡数据过抽样
- 文献传递
