基于AdaBoost的弱分类器选择和整合算法.pdfVIP

第 38卷 第2期 兰 州 理 工 大 学 学 报 VoL38 No．2 2012年 4月 JournalofLanzhouUniversityofTechnology Apr．2012 文章编号：1673-5196(2012)02-0087-04 基于AdaBoost的弱分类器选择和整合算法 李 睿，张九蕊，毛 莉 (兰州理工大学计算机与通信学院，甘肃 兰州 730050) 摘要：针对传统AdaBoost算法在人脸检测中训练耗时和误检率高的问题，提出一种改进的AdaBoost算法．新算法 在基于PSO的AdaBoost算法基础上对弱分类器的选择和整合两个阶段进行改进．弱分类器选择阶段，在使用 PSO迭代选择最佳弱分类器之前，剔除部分无用特征，缩小粒子搜索空间；弱分类器整合阶段，在采用基于核函数 的非线性感知器算法优化调节弱分类器参数的过程中使用一种新的与正样本分类能力有关的弱分类器初始参数． 采用基于MIT数据库的实验结果表明，本文算法比基于PSO的Ad