[发明专利]一种AdaBoost算法中弱分类器的同步选取、加权、排序方法

摘要

本发明公开一种AdaBoost算法中弱分类器的同步选取、加权、排序方法，包括初始化GA算法参数设置，初始弱分类器集合、权值与对应排列顺序设置，GA算子更新，适应度计算，GA算法实现。通过智能的方式、基于对分类精度的追求，不但给出了最优的弱分类器组合、加权方案，而且同步的给出了弱分类器排序的最佳方案。本发明不同于以往基于人为经验的弱分类器组合选取和加权方法，同时增加了对分类器排序方案考虑，采用GA优化算法搜索弱分类器选择、加权与排序的最佳方案，使得最终基于AdaBoost算法训练得到的分类器分类效果更佳、分类精度更高。最后，应用本文方法进行了笔迹鉴权，实验结果证明利用本文算法，一系列弱分类器经过更合理选择、加权与排序之后，分类性能明显提高。

主权项

一种AdaBoost算法中弱分类器的同步选取、加权、排序方法，其特征在于，包括如下步骤：步骤(1)初始化GA(Genetic Algorithm，简称GA)算法参数设置设置基因算子GA(F,S,G,M,N)，F表示适应度函数，S表示候选方案，G表示代沟因子，M和N分别表示变异率和最大迭代次数；步骤(2)初始弱分类器集合、权值与对应排列顺序设置选取初始基因个体，由弱分类器组合、对应权值和排列顺序三部分组成，初始个体随机产生，称为第零代；步骤(3)GA个体更新用新产生的GA个体更新之前的基因算子；步骤(4)适应度计算基于GA优化中每一步基因个体对应的分类器组合、加权和排序方案，给出对应的分类器模型，进而得到分类器精度作为适应度；步骤(5)GA算法实现通过交叉、变异产生新一代基因个体。步骤(6)迭代结束条件是否满足判断判断迭代条件是否满足，如满足，在所有候选解中选出对应最高分类精度的分类器模型所代表的分类器组合、权值和排序方案；如不满足，回到步骤(4)。