Adaboost アルゴリズムを理解しようとしていますが、いくつか問題があります。Adaboost について読んだ後、それが分類アルゴリズム (ニューラル ネットワークのようなもの) であることに気付きました。しかし、弱分類器がどのように選択されているか (顔検出のための haar のような機能だと思います)、最終的な強分類器である H 結果を最終的にどのように使用できるかを知ることができませんでした。つまり、アルファ値を見つけて H を計算した場合、それを新しい画像の値 (1 または 0) としてどのように活用できるでしょうか。完璧な方法でそれを説明する例はありますか? ほとんどのadaboostチュートリアルにあるプラスとマイナスの例を見つけましたが、hiがどのように正確に選択され、顔検出に同じ概念を採用するかがわかりませんでした. 私は多くの論文を読み、多くのアイデアを持っていましたが、今まで私のアイデアはうまく整理されていませんでした. ありがとう....
質問する
3107 次
1 に答える
2
Adaboost は分類アルゴリズムであり、弱い分類器 (50% 以上の正しい結果を与える任意のもの、ランダムよりも優れたもの) を使用します。そして最後に、それらを 1 つの強力な分類子に結合します。トレーニング ステージでは、H(最終結果) を計算するアルファ変数を見つけます。
H=Sigma(alpha(i)*h(i)) で、h(i) は 2 クラスの問題で 1 または 0 です。
H はすべての弱い特徴の重み付けされた合計であるように思われるため、新しい入力 (以前には見られなかった) がある場合、弱い分類器 h(i) を適用し、トレーニング段階から取得した正しいアルファを乗算して 1 つを取得します。またはゼロ。
詳細については、gigapeida.com Web サイトにある「The Top Ten Algorithms in Data Mining」という書籍を参照してください。
于 2010-01-12T18:40:23.190 に答える