侯杰
- 作品数：3 被引量：6H指数：2
- 供职机构：南京理工大学自动化学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于指数损失和0-1损失的在线Boosting算法被引量：2
- 2014年
- 推导了使用指数损失函数和0-1损失函数的Boosting算法的严格在线形式,证明这两种在线Boosting算法最大化样本间隔期望、最小化样本间隔方差.通过增量估计样本间隔的期望和方差,Boosting算法可应用于在线学习问题而不损失分类准确性.UCI数据集上的实验表明,指数损失在线Boosting算法的分类准确性与批量自适应Boosting(AdaBoost)算法接近,远优于传统的在线Boosting;0-1损失在线Boosting算法分别最小化正负样本误差,适用于不平衡数据问题,并且在噪声数据上分类性能更为稳定.
- 侯杰茅耀斌孙金生
- 关键词：ADABOOST不平衡数据
- 一种最大化样本可分性半监督Boosting算法被引量：4
- 2014年
- 针对数据实际分布与假设不匹配时半监督学习算法难以改善分类器性能的问题,该文提出一种最大化样本可分性半监督Boosting算法,通过引入"高密度区域局部散度最小、样本空间全局散度最大"准则来学习未标注的样本。该准则使用两种半监督假设(聚类假设和流形假设),减少了因半监督假设与数据不匹配造成的准确率下降问题。实验结果表明,该文算法有效提高了Boosting算法在符合聚类假设数据集和符合流形假设数据集上的准确性,提高了分类器噪声数据的稳定性。
- 侯杰茅耀斌孙金生
- 关键词：半监督学习BOOSTING算法可分性分类器
- 基于FDA的快速haar特征选取及其在级联AdaBoost人脸检测中的应用
- Viola的级联AdaBoost人脸检测器是目前最好的人脸检测器之一,然而,级联AdaBoost人脸检测器的训练过程很慢,通常需要几天甚至几周的时间。本文提出了一种基于FDA的快速haar特征选取算法,算法使用训练集统计...
- 侯杰茅耀斌孙金生
- 关键词：人脸检测FDA
- 文献传递
