“弱分类器 ”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果8823774个，建议您升级VIP下载更多相关专利

[发明专利]人脸识别的分类器获取方法和装置-CN201611000464.8有效
发明人：毕微;陈祖家;袁晓;田阳;曹轩铭 -专利权人：北京爱知之星科技股份有限公司
申请日： 2016-11-14 - 公布日： 2019-09-03 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例提供一种人脸识别的分类器获取方法和装置，该方法包括：获取多个训练样本图像以及多个预设弱分类器组合，多个训练样本图像中包括干净样本图像和污染样本图像；采用蚁群算法，根据每个预设弱分类器组合对应的信息素，使每个训练样本图像选取所使用的预设弱分类器组合；其中，每个预设弱分类器组合对应的信息素与该预设弱分类器组合的分类精度和分类抗干扰能力相关；从多个预设弱分类器中选出具有最优分类精度和分类抗干扰能力的，和/或多个训练样本图像收敛于的预设弱分类器组合。通过采用蚁群算法选取分类器，且每条路径对应的信息素由对应弱分类器组合的分类性能决定，从而保证选择出的弱分类器组合具有最优分类性能。
识别分类获取方法装置

[发明专利]一种基于机器学习的流场特征提取方法、装置及存储介质-CN202111267376.5在审
发明人：王晓晓;刘云静;张丽;井明 -专利权人：齐鲁工业大学
申请日： 2021-10-29 - 公布日： 2022-02-11 - 主分类号： G06T7/269 文献下载
摘要：本申请涉及一种基于机器学习的流场特征提取方法、装置及存储介质，方法包括构建训练样本、利用Adaboost迭代算法，针对训练样本训练四个维度的弱分类器并确定各个弱分类器的权重，四个弱分类器包括基于识别压力的局部最小值或涡度的局部最大值的局部技术的第一弱分类器、基于归一化螺旋度的技术、基于速度梯度张量J的涡旋检测方法的第二弱分类器、基于Δ、Q和λ2检测器表达式中出现的各种项的维数一致性来确定等效阈值的方法构建的第三弱分类器以及基于固定点的涡流识别方法的第四弱分类器；通过Adaboost集成学习算法将第一弱分类器、第二弱分类器、第三弱分类器和第四弱分类器进行集成得到复合分类器。该方法能提高涡旋分类的精准度和鲁棒性。
一种基于机器学习特征提取方法装置存储介质

[发明专利]进行语句识别的方法及装置-CN201510288088.6在审
发明人：罗欢;李杰;汤鹏飞;王智 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2015-05-29 - 公布日： 2015-08-19 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了进行语句识别的方法及装置，其中，该方法包括：定制出映射分类器，映射分类器中设置特征向量与分类结果之间的映射关系；将普通分类器和映射分类器组合成弱分类器；将语料样本输入弱分类器进行分类识别，所述语料样本包含实例语料的特征向量；将弱分类器识别出的分类结果与标准分类结果进行比较，如果一致，则分类正确，如果不一致，则分类错误；根据错误率设置相应弱分类器的权重；将待分类语句输入各弱分器，弱分类器对待分类语句进行分类，得到分类结果；对输出相同分类结果的所有弱分类器的权重进行统计，得到相应分类结果的几率值；将几率值最大的分类结果作为待分类语句的最终识别结果。
进行语句识别方法装置

[发明专利]一种纸币防伪点多特征融合的鉴别纸币真伪的方法-CN201510240656.5在审
发明人：尤新革;孙其新;朱子奇;李家斌 -专利权人：南京华科和鼎信息科技有限公司
申请日： 2015-05-12 - 公布日： 2015-08-12 - 主分类号： G07D7/20 文献下载
摘要：本发明提供了一种纸币防伪点多特征融合的鉴别纸币真伪的方法，通过AdaBoost算法针对不同的训练样本集训练同一弱分类器，分别根据所述训练样本集中错分的训练样本和所述弱分类器中训练样本错分的情况调整每个所述训练样本和所述弱分类器的权重，实现对所述训练样本集的重新分布之后再次对弱分类器重新训练，以此循环，所述弱分类器经过T次循环之后，得到了T个弱分类器和每个所述弱分类器对应的权重，最后把T个所述弱分类器集合起来，构成最终的强分类器；利用训练出的所述分类器对测试样本集进行测试，统计测试错误率，以此循环直至设置的最大循环次数T结束完得到练样本集各防伪点融合的分类模型。
一种纸币防伪特征融合鉴别真伪方法

[发明专利]基于数据挖掘的网络入侵检测方法-CN201811637319.X有效
发明人：王秋华;欧阳潇琴;詹佳程;吕秋云 -专利权人：杭州电子科技大学
申请日： 2018-12-29 - 公布日： 2021-03-16 - 主分类号： H04L29/06 文献下载
摘要：现有技术中存在样本权值更新缺陷所造成的分类准确率降低，冗余弱分类器造成的分类速度慢、计算开销大等问题。本发明方法在弱分类器训练阶段，采用改进权值更新方法的Adaboost算法进行弱分类器训练，根据各个样本在前t次训练中的加权平均正确率来更新样本权值，抑制了噪声样本权值的无限扩大，令所有样本的权值更新更均衡在弱分类器组合阶段，提出一种新的弱分类器间相似度度量方式，并基于该相似度度量方式和层次聚类算法进行选择性集成，将相似度超过阈值的弱分类器归入一类，取每类中分类准确率最高的弱分类器组合成强分类器，从而剔除冗余弱分类器，提高了分类速度，减少了计算开销。
基于数据挖掘网络入侵检测方法

[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-CN201610917244.5在审
发明人：曹万鹏 -专利权人：北京工业大学
申请日： 2016-10-20 - 公布日： 2017-03-22 - 主分类号： G06K9/62 文献下载
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。
一种 adaboost 算法分类同步选取加权排序方法

[发明专利]一种基于AdaBoost的弱分类器内部结构调整方法-CN201310205336.7有效
发明人：钱惟贤;杨力;胡楷;周霞;任建乐;顾国华;陈钱;路东明;隋修宝 -专利权人：南京理工大学
申请日： 2013-05-27 - 公布日： 2013-08-14 - 主分类号： G06K9/66 文献下载
摘要：本发明公开了一种基于AdaBoost的弱分类器内部结构调整方法，首先是训练弱分类器，通过加权训练样本决定训练的弱分类器的融合权重，每个弱分类器对输入样本输出一个弱假设，所有弱分类器组成一个强分类器并输出最终结果；其次是内部结构调整、最佳弱分类器参数选择和调整验证，然后利用遗传算法来解决最优化问题，最后是训练样本重新加权，根据训练样本的错误率高低来重新确定样本的权重。本发明在场景分类问题上有非常好的表现，分辨率高，误判率低。
一种基于 adaboost 分类内部结构调整方法

[发明专利]基于模糊型弱分类器的AdaBoost分类方法-CN201911341202.1有效
发明人：张梦娇;叶庆卫 -专利权人：宁波大学
申请日： 2019-12-24 - 公布日： 2023-02-14 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于模糊型弱分类器的AdaBoost分类方法，其通过提取多幅图像中的所有LBP特征构建一个训练样本，并给定训练样本对应的样本分类标签矩阵；利用模糊推理对弱分类器进行寻优以获取最佳模糊型弱分类器；通过计算最佳模糊型弱分类器的权重，加权到最佳模糊型弱分类器构成强分类器；当构成的强分类器中的每个分类标记与样本分类标签矩阵中的每个分类标签对应相同时，确定构成的强分类器为最佳强分类器，反之通过计算寻找下一个最佳模糊型弱分类器时的权值向量，再迭代寻优；优点是其在面对复杂的数据集的情况下仍具有很好的分类效果，在有噪声干扰的条件下具有更好的抗噪能力。
基于模糊分类 adaboost 方法

[发明专利]多类目标的检测装置及检测方法-CN200910168491.X无效
发明人：梅树起;吴伟国 -专利权人：索尼株式会社
申请日： 2009-08-26 - 公布日： 2011-03-30 - 主分类号： G06K9/62 文献下载
摘要：该检测装置包括：输入单元，用于输入待检测数据；以及至少一个用于判别预定类别的目标数据的级联分类器。级联分类器包括多个串联的级分类器，每个级分类器包括用于检测目标类别的强分类器和用于对目标类别与其它类别进行区分的强分类器。每个强分类器均由一组弱分类器相加得到，每个弱分类器使用一个特征对所述待检测数据进行弱分类。每个级分类器包括共享特征列表，在每个级分类器中，共享特征列表中的每个特征被对应的属于用于检测目标类别的强分类器的弱分类器以及对应的属于用于对目标类别与其它类别进行区分的强分类器的弱分类器所共享使用，使用同一特征的不同的弱分类器具有彼此不同的参数值
类目标的检测装置方法

[发明专利]一种随机强分类器的构建方法和系统-CN201611224754.0在审
发明人：马阳玲;杨周旺;刘利刚;王士玮 -专利权人：合肥阿巴赛信息科技有限公司
申请日： 2016-12-27 - 公布日： 2017-06-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种随机强分类器的构建方法和系统，该方法包括以下步骤根据预设的弱分类器个数n随机构建n个弱分类器；在原始样本中有放回的随机选取与原始样本个数相同的数据集作为训练样本；根据预设随机率随机选取所述训练样本中属性值对所述n个弱分类器进行训练，得到n个弱分类器的最终预测类别，用投票法综合每个弱分类器的最终预测类别得到强分类器的预测类别。
一种随机分类构建方法系统

[发明专利]一种烟叶感官质量预测方法-CN202110912832.0在审
发明人：孟珍;周园春;翟擎辰;王学志;宋秋成;沈志宏 -专利权人：中国科学院计算机网络信息中心
申请日： 2021-08-10 - 公布日： 2021-11-30 - 主分类号： G06N20/20 文献下载
摘要：本发明公开了一种烟叶感官质量预测方法，其步骤包括：1)设定所集成弱分类器的数目K、损失函数以及所要分的类别数目R；2)基于样本数据集对集成学习中的各弱分类器进行训练并更新弱分类器的权重和烟草样本的权重；其中训练第k个弱分类器时，第k个弱分类器对输入数据xi的输出为Gk(xi)，计算对应的损失函数值ek；然后将第k个弱分类器的权重ak更新为然后通过权重ak更新样本xi的权重，再利用更新后的样本数据集训练第k+1个弱分类器；3)基于各弱分类器的权重对所有弱分类器进行集成，得到强分类器；4)将待识别烟草数据的特征输入所述强分类器，得到对应的类别。
一种烟叶感官质量预测方法

[发明专利]一种人脸检测的强分类器的生成方法及装置-CN201310634252.5有效
发明人：张宇;杜志军;王敏杰 -专利权人：华为技术有限公司
申请日： 2013-12-02 - 公布日： 2018-10-19 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例公开了一种人脸检测的强分类器的生成方法，包括：根据预存的图像训练样本的尺寸确定所述图像训练样本的至少一个弱分类器的参数；根据预设的弱分类器的阈值以及每一个所述弱分类器的所述参数，得到所述图像训练样本的每一个所述弱分类器的特征值；根据所述特征值和所述图像训练样本的初始权重计算每一个所述弱分类器的加权分类误差，根据所述加权分类误差得到至少一个最优弱分类器；根据全部的所述最优弱分类器生成人脸检测的强分类器。本发明实施例还公开了一种人脸检测的强分类器的生成装置。采用本发明实施例，具有可降低编码对噪声的鲁棒性，降低人脸检测的误检率的优点。
一种检测分类生成方法装置

[发明专利]基于Adaboost算法的人脸识别优化方法-CN201510203079.2有效
发明人：杨新武;袁顺;马壮 -专利权人：北京工业大学
申请日： 2015-04-27 - 公布日： 2017-12-22 - 主分类号： G06K9/00 文献下载
摘要：基于Adaboost算法的人脸识别优化方法，首先对人脸图像进行特征提取和降维，用降维后的矩阵数据，使用SAMME.R算法进行识别分类；在训练弱分类器时，判断该弱分类器的结果，在所有同属一类的样本的分类中，正确分类的样本的权值和，是否比分到其他任意一类的权值和大；如果满足该条件则继续进行权值调整和下一次迭代；如果不满足，由于训练出的弱分类器不够好，达不到要求，所以在权值不变的情况下重新训练弱分类器，然后再次判断新的弱分类器是否满足上边所述的条件，如果满足进入下一次调整，不满足继续重新训练弱分类器，不断优化弱分类器的质量，从而逼近最优强分类器；得到最终的强分类器有效提高了人脸识别的准确率。
基于 adaboost 算法识别优化方法

[发明专利]多类目标的检测装置及检测方法-CN200910132668.0在审
发明人：梅树起;吴伟国 -专利权人：索尼株式会社
申请日： 2009-04-01 - 公布日： 2010-10-06 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及多类目标的检测装置及其检测方法，其中检测装置包括：输入单元，被配置成输入待检测数据；联合分类器，其内部包含多个可处理多个类别目标数据的强分类器，其中，每个强分类器由一组弱分类器相加得到，每个弱分类器使用一个特征对待检测数据进行弱分类；判别单元，被配置成根据多个强分类器的分类结果，对待检测数据属于哪个类别的目标数据进行判别，所述联合分类器内部包含共享特征列表，其中的每个特征被分别属于不同强分类器的一个或多个弱分类器共享使用；使用同一特征的分属不同强分类器的弱分类器具有彼此不同的参数值
类目标的检测装置方法

[发明专利]一种基于随机蕨的自举弱学习方法及其分类器-CN201210180065.X有效
发明人：权伟;陈锦雄;余南阳;刘彬 -专利权人：西南交通大学
申请日： 2012-06-04 - 公布日： 2012-10-03 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于随机蕨的自举弱学习方法及其分类器，本发明属于计算机图形识别技术领域。图形识别通常采用弱分类器的加权、高斯概率分布的均值距离来判别正负样本。或采用分类树作为弱学习器，用误差测度减少最大化的划分准则划分节点，然后将这些弱分类器提升为强分类器。但是，这些弱学习方法要么收敛速度慢，要么准确率不够高，要么计算效率低。本发明选择图像特征和构造随机蕨、基于随机蕨的弱学习方法、基于随机蕨的弱学习方法、构建弱分类器、结果分类器等步骤可以很好地解决成像环境复杂且对运算量要求严格的图像模式识别，实现快速收敛和高效的自举弱学习方法，得到实时处理且准确率高的分类器。
一种基于随机学习方法及其分类

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条