基于动态权重裁剪的快速Adaboost训练算法

被引：18

作者：

贾慧星 ^{[1
,2
]}

章毓晋 ^{[1
,2
]}

机构：

[1] 清华大学信息科学与技术国家实验室

[2] 清华大学电子工程系

来源：

计算机学报 | 2009年 / 32卷 / 02期

基金：

高等学校博士学科点专项科研基金;

关键词：

Adaboost; 动态权重裁剪; 机器学习;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

提出了基于动态权重裁剪的快速Adaboost训练算法,当训练数据集较大时,可以大大提高训练速度.基于动态权重裁剪的Adaboost训练算法在每次迭代过程中舍去权重较小的大多数样本,保留权重较大的少数样本进行训练,迭代完成后检查这个利用少量样本训练得到的弱分类器在所有样本上的分类性能,如果错误率大于0.5,则扩大样本的数量重新训练本次迭代的弱分类器.由于在大多数迭代过程中,只利用了少量样本进行弱分类器的训练,从而提高了整个算法的训练速度.

引用

页码：336 / 341

页数：6

共 6 条

[1] Robust real-time face detection [J].