基于bregman距离和等式约束正则化AdaBoost算法  

AdaBoost algorithm based on bregman distance and equality constraint regularization

作　　者：付捷[1] 刘建伟[1] 李双成[1] 罗雄麟[1] 

机构地区：[1]中国石油大学(北京)自动化研究所,北京102249

出　　处：《计算机工程与应用》2013年第3期166-170,共5页Computer Engineering and Applications

基　　金：国家自然科学基金(No.21006127;No.20976193);中国石油大学(北京)基础学科研究基金项目资助

摘　　要：基于J.Kivinen和M.K.Warmuth提出的一种基于正则化的在线学习模式,提出基于bregman距离和等式约束正则化弱分类器权值更新模式,实现了AdaBoostS,AdaBoostIE,AdaBoostRE,AdaBoostDE和AdaBoostE五种弱分类器权更新算法。在实验部分,利用实际数据对提出的五种算法与Real AdaBoost、Gentle AdaBoost和Modest AdaBoost算法作了比较。Based on regularizing online learning pattern proposed by J.Kivinen and M.K.Warmuth, update model of weight of weak classifier via bregman distance and equality constraint is devised. Five update algorithms of weight of weak classifier, Ada-BoostS, AdaBoostIE, AdaBoostRE, AdaBoostDE and AdaBoostE are achieved. In the experiments on real datasets, the algorithms performance of five update algorithms with state of art algorithms in assembly classifier research is compared.

关 键 词：bregman距离函数 等式约束问题 正则化 集成分类器 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]