AdaBoost

opencv实现图片与视频中的人脸检测

opencv实现图片与视频中的人脸检测第一章：反思与总结上一篇博客我相信自己将人脸检测中的AdaBoost算法解释的非常清晰了，以及如何训练人脸检测的强分类器：http://blog.csdn.net/
wo13142yanyouxin·2017-08-04 19:47

应用OpenCV检测自定义目标

build\x86\vc10\bin下的opencv_createsamples.exe2.opencv\build\x86\vc10\bin下的opencv_traincascade.exe训练的算法是adaboost
LakersNation·2017-08-01 19:15

adaboost学习（一）

一、Boosting算法的发展历史Boosting算法是一种把若干个分类器整合为一个分类器的方法，在boosting算法产生之前，还出现过两种比较重要的将多个分类器整合为一个分类器的方法，即boostrapping方法和bagging方法。我们先简要介绍一下bootstrapping方法和bagging方法。1）bootstrapping方法的主要过程主要步骤：i)重复地从一个样本集合D中采样n个
YCdreaming·2017-07-31 15:21

adaboost学习(三)

最大错误率为:即训练错误率随γt的增大呈指数级的减小.最大总误差:m:样本个数d:VC维T:训练轮数Pr:对训练集的经验概率如果T值太大,Boosting会导致过适应（overfit）《模式分类》386页AdaBoost.M2
YCdreaming·2017-07-31 15:14

adaboost学习(二)

引言众所周知，模式识别的方法可以按照参与识别特征的属性来区分，可以分为两大类：一、使用定量特征（可度量）如物体长度、宽度等，来描述的各种模式，这一类主要是指决策理论，有匹配、统计、神经网络等方法；二、使用定性特征如特征结构、排列顺序等，来描绘的各种模式，这一类主要是指结构判别，主要有串和树的匹配等方法。模式识别的完整的流程顺序是：传感器——分割组织——特征提取——分类器——后处理。其中分类器的设计
YCdreaming·2017-07-31 15:14

机器学习测试题

机器学习-试题-20141、概念解释与简述题1.1、样本（样例）、机器学习、统计学习1.2、机器学习的一般步骤（请画示意图）1.3、样本属性的主要类型1.4、信息增益1.5、核函数SVM的判别方程1.6、Adaboost
lin聪记·2017-07-26 16:09

卷积神经网络之目标检测总结

概述传统的目标检测任务主要通过人工提取特征模型建立，常用的特征包括：HOG、SIFT、Haar等，特征提取模型之后进行支持向量机或者Adaboost的分类任务，进而得到我们所关注的目标结果。
dlphay·2017-07-22 09:10

deep learning 学习资料

注:机器学习资料篇目一共500条,篇目二开始更新《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost
yesage·2017-07-13 15:14

使用sklearn做各种回归

使用sklearn做各种回归基本回归：线性、决策树、SVM、KNN集成方法：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees1.数据准备为了实验用，我自己写了一个二元函数
Yeoman92·2017-07-13 14:27

深度学习 - 目标检测算法

以adaboost人脸检测算法为例：1）多尺度滑动窗口提取很多不同尺度的窗口。2）对每个窗口进行特征提取，在人脸检测中常用的harr特征，如下图：分别对应的特征是：边缘特征，线性特征，方向特征。
KeeJee·2017-07-10 13:48

机器学习算法分类与python环境搭建

《机器学习实战》U1机器学习十大算法：C4.5决策树、K-均值（K-mean）、支持向量机（SVM）、Apriori、最大期望算法（EM）、PageRank算法、AdaBoost算法、k-近邻算法（kNN
AI_Study·2017-07-02 12:45

XGBoost原理

前言之前接触并实现过Adaboost和RandomForest。作为去年开始很火爆的，对结构化数据效果极佳的XGBoost，当然也需要了解一下了。
sooner高·2017-06-18 08:20

[计算机视觉] 手写数字识别（上）——数字字符分割

作业要求：1、输入：有一张写着数字的A4纸的图片（如下）2、A4纸矫正3、数字字符切割4、用Adaboost或SVM训练一个手写数字分类器5、识别并输出：连串数字，如“13924579693”与“02087836761
MokHoYin·2017-06-12 16:43

浅谈 GBDT

GBDT与Adaboost的区别与联系是什么？GBDT与Xgboost的区别是什么？什么是GBDT？
Alice熹爱学习·2017-06-10 12:11

浅谈 GBDT

GBDT与Adaboost的区别与联系是什么？GBDT与Xgboost的区别是什么？什么是GBDT？
aliceyangxi1987·2017-06-10 12:00

Adaboost 算法

Adaboost算法？什么是集成学习集成学习就是将多个弱的学习器结合起来组成一个强的学习器。这就涉及到，先产生一组‘个体学习器’，再用一个策略将它们结合起来。个体学习器可以选择：决策树，神经网络。
aliceyangxi1987·2017-06-09 20:00

AdaBoost算法应用

本文转载自http://blog.csdn.net/suipingsp/article/details/41722435?utm_source=tuicool&utm_medium=referral＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝第一节，元算法略述遇到罕见病例时，医院会组织专家团进行临床会诊共同分析病例以判定结果。如同专家团临床会诊一样，重大决定汇总多个人的
sinat_32547403·2017-06-08 10:00

《机器学习实战》读书笔记7

AdaBoost算法概述当做重要决定时，大家可能都会征求多个专家而不是一个人的意见。机器学习处理问题时又何尝不是如此？
whybask·2017-06-05 16:59

常见算法优缺点

theIEEEInternationalConferenceonDataMining(ICDM)2006年12月评选出了数据挖掘领域的十大经典算法：C4.5,k-Means,SVM,Apriori,EM,PageRank,AdaBoost
JayRoxis·2017-06-04 18:36

OpenCV中的Haar+Adaboost（三）：级联分类器结构与XML文件含义

这一篇则主要分析一下2个内容：1.OpenCV中的Adaboost级联分类器的结构，包括强分类器和弱分类器的形式；2.OpenCV自带的XML分类器中各项参数的含义，如internalNodes和leafValues
绿叶清风·2017-06-03 09:56

集成学习AdaBoost算法原理及python实现

1集成学习简介根据个体学习器的生成方式，目前集成学习方法大致分为两大类：一是序列化方法，其代表算法为Boosting，该方法个体学习器存在强依赖关系、必须串行生成（对于AdaBoost算法，反应在，权值更新上
LY_ysys629·2017-06-02 11:19

Kaggle房价预测进阶版/bagging/boosting/AdaBoost/XGBoost

所谓进阶篇，无非是从模型的角度考虑，用了bagging、boosting（AdaBoost）、XGBoost三个牛X的模型，或者说是模型框架。
youyuyixiu·2017-06-02 10:00

Adaboost 算法的原理与推导

转自：http://blog.csdn.net/v_july_v/article/details/40718799  Adaboost算法的原理与推导0引言  一直想写Adaboost来着，但迟迟未能动笔
u011331731·2017-06-02 09:00

梯度提升树(GBDT)原理小结

在集成学习之Adaboost算法原理小结中，我们对Boosting家族的Adaboost算法做了总结，本文就对Boosting家族中另一个重要的算法梯度提升树(GradientBoostingDecisonTree
bbbeoy·2017-06-01 15:00

AdaBoost（Adaptive Boosting）算法详解

AdaBoost（AdaptiveBoosting）算法详解主要内容AdaBoost算法详解AdaBoost算法实例讲解1、AdaBoost算法详解  假设有一位患者，存在某些症状。
zhihua_oba·2017-06-01 11:00

opencv CascadeClassifier

9848478OpenCV中CascadeClassifier类实现多尺度检测源码解析http://blog.csdn.net/xidianzhimeng/article/details/41851569它使用Adaboost
keen_zuxwang·2017-05-31 09:04

faster-rcnn中，对RPN的理解

（想到经典的harr+adaboost人脸检测）slidingwindow只是选取所有可能区域，并没有额外的什么作用！以下是我对faste
美利坚节度使·2017-05-28 00:55

[转]机器学习和深度学习资料汇总【01】

34707539/article/details/52105681《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost
weixin_33835690·2017-05-24 13:00

第九篇：随机森林(Random Forest)

前言随机森林非常像《机器学习实践》里面提到过的那个AdaBoost算法，但区别在于它没有迭代，还有就是森林里的树长度不限制。
穆晨·2017-05-20 21:00

集成学习

显示出集成学习的一般结构:先产生一组个体学习器,再用某种策略把它们结合起来.图1-1集成学习示意图集成学习通过对多个学习器进行结合,常可获得比单一学习器优越的泛化性能.集成学习方法大致可分为:串行化生成基学习器AdaBoost
yichudu·2017-05-14 16:32

数字图像处理---行人检测

分类器主要包括神经网络、SVM、adaboost以及深度学习。另外，目前的行人检测基本
kiki商·2017-05-13 11:28

照片美妆---基于Haar特征的Adaboost级联人脸检测分类器

本文转载自张雨石http://blog.csdn.net/stdcoutzyx/article/details/34842233基于Haar特征的Adaboost级联人脸检测分类器基于Haar特征的Adaboost
Trent1985·2017-05-11 11:00

机器学习笔记 Boost算法（GDBT,AdaBoost，XGBoost）原理及实践

在上一篇博客里，我们讨论了关于Bagging的内容，其原理是从现有数据中有放回抽取若干个样本构建分类器，重复若干次建立若干个分类器进行投票，今天我们来讨论另一种算法：提升（Boost）。简单地来说，提升就是指每一步我都产生一个弱预测模型，然后加权累加到总模型中，然后每一步弱预测模型生成的的依据都是损失函数的负梯度方向，这样若干步以后就可以达到逼近损失函数局部最小值的目标。下面开始要不说人话了，我们
rxt2012kc·2017-05-06 19:00

看懂机器学习十大常用算法

今天的算法如下：决策树随机森林算法逻辑回归SVM朴素贝叶斯K最近邻算法K均值算法Adaboost算法神经网络马尔可夫1.
ZYC88888·2017-05-06 16:00

提升方法：GBDT、XGBOOST、AdaBoost

TableofContentsGBDT提升的概念提升算法梯度提升决策树GBDTXGBOOSTAdaBoost误差分析参考文献GBDT我们知道随机森林的决策树分别采样建立,相对独立。
TaoTao Yu·2017-05-04 00:00

轻松看懂机器学习十大常用算法

今天的算法如下：决策树随机森林算法逻辑回归SVM朴素贝叶斯K最近邻算法K均值算法Adaboost算法神经网络马尔可夫1.决策树根据一些feature进
aliceyangxi1987·2017-05-02 11:00

Adaboost算法原理分析和实例+代码（简明易懂）

Adaboost算法原理分析和实例+代码（简明易懂）【尊重原创，转载请注明出处】http://blog.csdn.net/guyuealian/article/details/70995333本人最初了解
pan_jinquan·2017-05-02 08:31

提升Boost：GBDT & Xgboost & Adaboost

->Adaboost梯度提升算法基本模型初始模型：对m=1,…,M计算伪残差（ps
AiirrrrYee·2017-04-17 10:08

轻松看懂机器学习十大常用算法

今天的算法如下：决策树随机森林算法逻辑回归SVM朴素贝叶斯K最近邻算法K均值算法Adaboost算法神经网络马尔可夫1
chuba6693·2017-04-14 15:00

Haar+adaboost物体检测算法知识点归纳总结

基于此方法研究车牌识别系统相关应用，以下主要总结其中的关键点和难点，需要对haar特征和adaboost原理有一定了解，供刚开始学习和使用此法的童鞋参考，肯定不够全面，亦或存在不够准确的地方，诸位可指出
小魔大树哥·2017-04-14 13:46

Adaboost

发现adaboost挺有趣，就把自己的一些思考写下来。主要参考了http://stblog.baidu-tech.com/?
b10090411·2017-04-11 17:47

《统计学习方法》第八章提升方法学习笔记

对于第一个问题，AdaBoost算法是提高那些前一轮弱分类器错误分类样本的权重，而降低那些被正确分类样本的权重，这使得那些没有被正确分类的样本由于其权重的加大而受到后一轮的弱分类器的更大关注。
wjlucc·2017-04-11 16:10

集成剪枝分类算法的Bagging与Adaboost示例

Bagging(BootstrapAggregation)PruningClassificationisoneofthesimplestclassificationalgorithms.Itworksjustlikeif-then.However,whenaggregatingalotofprunningsweareabletocreateapowerfulclassifier.Theproces
止于至玄·2017-04-07 21:28

用Cmake生成opencv_contrib的python接口

opencv的Fisherface,Eigenface的部分，但具体实现时发现该库包含在opencv的contrib模块里，这个模块是opencv的扩展库，里面包括很多特征的算法，SIFT、SURF、Adaboost
帅到被人打·2017-04-06 19:39

Machine Learning with Scikit-Learn and Tensorflow 7.8 AdaBoost

书籍信息Hands-OnMachineLearningwithScikit-LearnandTensorflow出版社:O’ReillyMedia,Inc,USA平装:566页语种:英语ISBN:1491962291条形码:9781491962299商品尺寸:18x2.9x23.3cmASIN:1491962291系列博文为书籍中文翻译代码以及数据下载：https://github.com/age
qinhanmin·2017-04-06 16:33

机器学习算法原理与实践（四）、AdaBoost算法详解与实战

【原创】Liu_LongPo 转载请注明出处 【CSDN】http://blog.csdn.net/llp1992AdaBoost算法是基于单层决策树等弱分类算法的强学习分类算法。
omashion·2017-04-05 23:00

代码注释：机器学习实战第7章 利用AdaBoost元算法提高分类性能

写在开头的话：在学习《机器学习实战》的过程中发现书中很多代码并没有注释，这对新入门的同学是一个挑战，特此贴出我对代码做出的注释，仅供参考，欢迎指正。1、基于单层决策树构建弱分类器#coding:gbk fromnumpyimport* #作用：载入数据 #输入：无 #输出：数据矩阵，标签向量 defloadSimpData(): datMat=matrix([[1.,2.1], [2.,1.1]
da_da007·2017-04-01 00:00

opencv学习 级联分类器检测运动车辆 demo

使用haar+adaboost训练出分类器文件xml，简单写了个检测demo，具体的检测判定还要修改，已经较好的识别出车辆框，后面的博客再贴训练过程、样本及训练好的文件吧（其实还是懒233//cardetectionbyusinghaar-featrueandadaboostclassifier
JLothar·2017-03-31 15:15

Gradient boost adaboost简单区别

转载网址http://blog.csdn.net/shenbo2030/article/details/45115843http://blog.csdn.net/haidao2009/article/details/7514787一、GradientBoostingBoosting，迭代，即通过迭代多棵树来共同决策。这怎么实现呢？难道是每棵树独立训练一遍，比如A这个人，第一棵树认为是10岁，第二棵
跬步达千里·2017-03-27 10:26

数据挖掘笔试题（一）

以下说法中正确的是()A、SVM对噪声(如来自其他分布的噪声样本)鲁棒B、在AdaBoost算法中,所有被分错的样本的权重更新比例相同C、Boosting和Bagging都是组合多个分类器投票的方法,二者都是根据单个分类器的正确率
Jinlong_Xu·2017-03-26 20:33
上一页 43 44 45 46 47 48 49 50 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他