Adaboost分类算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 分类器模型与算法 | 第11-12页 |
| 1.2.2 Adaboost用于二类识别 | 第12-13页 |
| 1.2.3 Adaboost用于多类识别 | 第13-14页 |
| 1.3 论文工作与章节安排 | 第14-16页 |
| 第二章 样本特征提取 | 第16-24页 |
| 2.1 Haar特征 | 第16-20页 |
| 2.2 Gabor特征 | 第20-23页 |
| 2.3 小结 | 第23-24页 |
| 第三章 基于Adaboost的二类识别算法 | 第24-54页 |
| 3.1 Adaboost算法与特征选择 | 第24-28页 |
| 3.1.1 Adaboost二类识别算法 | 第24-26页 |
| 3.1.2 决策树桩和特征选择 | 第26-28页 |
| 3.2 硬级联Adaboost分类器 | 第28-31页 |
| 3.3 柔性级联Adaboost分类器 | 第31-40页 |
| 3.3.1 级联结构 | 第31-32页 |
| 3.3.2 特征选择 | 第32-36页 |
| 3.3.3 阈值整定 | 第36-40页 |
| 3.4 实验结果与分析 | 第40-52页 |
| 3.4.1 检测精度评价方法 | 第40-41页 |
| 3.4.2 柔性级联训练算法调试实验 | 第41-47页 |
| 3.4.3 柔性级联和硬级联的对比实验 | 第47-52页 |
| 3.5 小结 | 第52-54页 |
| 第四章 基于Adaboost的多类识别算法 | 第54-68页 |
| 4.1 一对多的Adaboost多类识别算法 | 第54-57页 |
| 4.2 复合树桩Adaboost多类识别算法 | 第57-60页 |
| 4.3 实验结果与分析 | 第60-66页 |
| 4.3.1 数据集介绍 | 第60-61页 |
| 4.3.2 数据集样本特征的处理 | 第61-62页 |
| 4.3.3 MNIST手写体识别实验 | 第62-64页 |
| 4.3.4 车牌字符识别实验 | 第64-66页 |
| 4.4 小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 作者简介 | 第74页 |
