中国科学院沈阳自动化研究所机构知识库
Advanced  
SIA OpenIR  > 信息服务与智能控制技术研究室  > 期刊论文
题名: 基于PCA改进的快速Adaboost算法研究
其他题名: Fast Adaboost Algorithm Based on Improved PCA
作者: 袁双; 吕赐兴
作者部门: 信息服务与智能控制研究室
关键词: PCAdaboost ; 主成分 ; 阈值搜索 ; 降维
刊名: 科学技术与工程
ISSN号: 1671-1815
出版日期: 2015
卷号: 15, 期号:29, 页码:62-66
产权排序: 1
项目资助者: 国家高技术研究发展计划(2015AA042102)资助
摘要: 针对传统的Adaboost算法可能出现在应对较大训练数据集训练时间过长的问题,提出了一种改进的Adaboost算法——PCAdaboost。改进算法利用PCA方法的降维技术,对训练样本特征提取主要成分,去除输入样本特征间的相关性,提高分类精度。同时,从样本阈值搜索角度考虑了特征值等分和特征值空间维数,给出了阈值快速搜索方法。实验结果表明,该算法在UCI数据集上取得较好的效果。
英文摘要: In view of the problem of the long training time in dealing with large training dataset in the training process of the traditional Adaboost algorithm,an improved methods was introduced to these problem. Improved algorithm using PCA dimension reduction technique,extracts main ingredients for the training sample feature,removes the correlation between the input sample characteristics,and improves the classification accuracy. At the same time,from the angle of sample threshold search takes into consideration the divisions and eigenvalue space dimension, threshold fast search method is presented. Experimental results show that the algorithm to achieve better results on UCI datasets.
语种: 中文
内容类型: 期刊论文
URI标识: http://ir.sia.cn/handle/173321/17224
Appears in Collections:信息服务与智能控制技术研究室_期刊论文

Files in This Item: Download All
File Name/ File Size Content Type Version Access License
基于PCA改进的快速Adaboost算法研究.pdf(314KB)期刊论文出版稿开放获取View Download
Service
Recommend this item
Sava as my favorate item
Show this item's statistics
Export Endnote File
Google Scholar
Similar articles in Google Scholar
[袁双]'s Articles
[吕赐兴]'s Articles
CSDL cross search
Similar articles in CSDL Cross Search
[袁双]‘s Articles
[吕赐兴]‘s Articles
Related Copyright Policies
Null
Social Bookmarking
Add to CiteULike Add to Connotea Add to Del.icio.us Add to Digg Add to Reddit
文件名: 基于PCA改进的快速Adaboost算法研究.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 
评注功能仅针对注册用户开放,请您登录
您对该条目有什么异议,请填写以下表单,管理员会尽快联系您。
内 容:
Email:  *
单位:
验证码:   刷新
您在IR的使用过程中有什么好的想法或者建议可以反馈给我们。
标 题:
 *
内 容:
Email:  *
验证码:   刷新

Items in IR are protected by copyright, with all rights reserved, unless otherwise indicated.

 

 

Valid XHTML 1.0!
Copyright © 2007-2016  中国科学院沈阳自动化研究所 - Feedback
Powered by CSpace