一種基于隨機蕨的自舉學(xué)習(xí)方法及其分類器
本發(fā)明提供了一種基于隨機蕨的自舉弱學(xué)習(xí)方法及其分類器,本發(fā)明屬于計算機圖形識別技術(shù)領(lǐng)域。圖形識別通常采用弱分類器的加權(quán)、高斯概率分布的均值距離來判別正負樣本?;虿捎梅诸悩渥鳛槿鯇W(xué)習(xí)器,用誤差測度減少最大化的劃分準則劃分節(jié)點,然后將這些弱分類器提升為強分類器。但是,這些弱學(xué)習(xí)方法要么收斂速度慢,要么準確率不夠高,要么計算效率低。本發(fā)明選擇圖像特征和構(gòu)造隨機蕨、基于隨機蕨的弱學(xué)習(xí)方法、基于隨機蕨的弱學(xué)習(xí)方法、構(gòu)建弱分類器、結(jié)果分類器等步驟可以很好地解決成像環(huán)境復(fù)雜且對運算量要求嚴格的圖像模式識別,實現(xiàn)快速收斂和高效的自舉弱學(xué)習(xí)方法,得到實時處理且準確率高的分類器。主要用于各種模式識別場合。
西南交通大學(xué)
2016-10-20