Adaboost算法原理及其在人脸识别中优化应用.pdfVIP

Adaboost是adaptiveboost的缩写，它是一种算法，根据这个算法可以由许多不同种类的

弱分类器得出一个错误率较低的强分类器。

它的基本过程如下：

1、根据对训练集某个特征进行学习确定一个弱分类器。

2、对于在上一个弱分类器被分错的元素加大他的权重，在此基础上进行第二次学习，根据

相同的或者不同的特征对训练集进行第二次分类，从而确定第二个弱分类器。

3、不断重复上述过程，直到达到某个条件，如错误率低于某个值，或者已达到设定的迭代

次数则停止迭代。

4、最终根据弱分类器不同的错误率分配权重，最终的强分类器就是这些弱分类器的组合，

一个元素到底属于哪一类，就由这些弱分类器投票决定。

[1]

用相应的数学表示adaboost的基本过程：

(x,y),...,(x,y)y(0,1)

输入：一组训练集：，其中为样本标识，