基于遗传寻优的双阈值型AdaBoost分类器  

Genetically optimized double threshold type adaboost classifier

作　　者：张梦娇 叶庆卫[1] 陆志华 周宇[1] Zhang Mengjiao;Ye Qingwei;Lu Zhihua;Zhou Yu

机构地区：[1]宁波大学信息科学与工程学院,浙江宁波315211

出　　处：《数据通信》2020年第3期36-42,共7页

基　　金：国家自然科学基金资助项目(61071198,51675286)。

摘　　要：针对双阈值型AdaBoost分类器存在搜索弱分类器过程复杂和训练耗时长的问题,结合遗传算法的思想,提出了一种基于遗传寻优的双阈值型AdaBoost分类器。该方法通过对特征和两个阈值的编码来寻找弱分类器,利用遗传算法的全局寻优性,能够快速寻找到最佳弱分类器,减少训练时间。另外,在此基础上提出设置两阈值之间最小间距的方法,增强其抗干扰能力,具有更好的鲁棒性。为验证实验效果,对MIT-CBCL人脸库提取局部二值模式(Local Binary Pattern,LBP)特征进行验证。实验结果显示,改进后的双阈值型AdaBoost分类器比经典AdaBoost分类器在训练时间上提升了5倍,比双阈值型AdaBoost分类器提升了18倍,具有更快的收敛速度。与此同时,因为增加了两阈值之间的最小间距,改进后的算法具有更强的抗噪性能。

关 键 词：双阈值 ADABOOST分类器 遗传算法 弱分类器 局部二值模式 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]