搜索结果: 1-15 共查到“AdaBoost”相关记录64条 . 查询时间(0.088 秒)
本研究的目的在于使用机器学习方法，对脑部功能磁共振成像数据进行分析与特征提取，完成对阿尔茨海默症 （AD）的辅助诊断与分析。首先对数据进行预处理与去除协变量，并从大脑全局特征出发，根据现有的自动解剖标记模 板，把每个被试的大脑分为116个脑区，通过提取每个脑区的时间序列，构建全脑功能连接矩阵，然后使用核主成分分析 法进行特征提取，最后用Adaboost算法进行分类。在对34名AD患者、35名轻度认...
采用多类代价指数损失函数的代价敏感AdaBoost算法
代价敏感 AdaBoost算法 多分类 贝叶斯决策 损失函数
2017/8/22
为解决由多个二类代价敏感算法扩展而成的多类算法存在时间复杂度高和不能区分错分代价的问题,提出一种采用多类代价指数损失函数的多类代价敏感AdaBoost算法(MCCSADA)。为保证算法的代价敏感特性,首先设计一种满足代价敏感损失函数设计准则的多类代价敏感指数损失函数;然后将此损失函数作为评价分类器性能的标准,以最小化损失函数为目的使用逐步叠加模型推导算法的最优基分类器加权系数;最后使用多类代价损失...
基于模糊多标签AdaBoost算法的心脏瓣膜疾病分类
心脏病 瓣膜疾病 多标签分类 模糊分类 AdaBoost算法 标签相关性 隶属函数
2018/7/4
针对心脏瓣膜疾病模糊分类问题，提出基于多标签AdaBoost的模糊分类改进算法。结合模糊集理论，采用隶属函数将疾病的严重程度映射到区间[0,1]内的实数值，将超声诊断结果用模糊标签向量表示。利用余弦相似性分析疾病之间的复杂关系，计算标签相关性矩阵并对模糊标签向量进行补充。结合实际问题选取合适的阈值，将标签空间划分为标签集、标签相关集和标签无关集。本文算法以最小化排序损失为目标，针对不同的标签给予不...
Multi-class AdaBoost
boosting exponential loss multi-class classification stagewise modeling
2015/8/21
Boosting has been a very successful technique for solving the two-class classification problem. In going from two-class to multi-class classification, most algorithms have been restricted to reducing ...
Multi-class AdaBoost
Boosting Exponential loss Multi-class classification Stagewise modeling
2015/8/21
Boosting has been a very successful technique for solving the two-class classification problem.In going from two-class to multi-class classification, most algorithms have been restricted to reducing t...
Protein Fold Recognition Using Adaboost Learning Strategy
Recognition Learning Strategy Protein Fold
2015/5/26
Protein structure prediction is one of the most important and difficult problems in computational molecular biology. Unlike sequence-only comparison, protein fold recognition based on machine learning...
基于AdaBoost和匹配追踪的选择性集成算法
选择性集成 AdaBoost 算法 匹配追踪 差异性
2014/2/19
为了平衡集成学习中差异性和准确性的关系并提高学习系统的泛化性能, 提出一种基于AdaBoost 和匹配追踪的选择性集成算法. 其基本思想是将匹配追踪理论融合于AdaBoost 的训练过程中, 利用匹配追踪贪婪迭代的思想来最小化目标函数与基分类器线性组合之间的冗余误差, 并根据冗余误差更新AdaBoost 已训练基分类器的权重, 进而根据权重大小选择集成分类器成员. 在公共数据集上的实验结果表明, ...
猪肉的贮藏时间和猪肉的新鲜度紧密相关。通过近红外漫反射光谱技术获取猪肉样本数据，利用正交线性判别分析（ＯＬＤＡ）算法进行特征提取，同时将自适应提升法（Ａｄａｂｏｏｓｔ）引入ＯＬＤＡ，提出了一种基于Ａｄａｂｏｏｓｔ和ＯＬＤＡ的集成学习算法———Ａｄａｂｏｏｓｔ＋ＯＬＤＡ。实验针对分类正确率和运算时间将传统特征提取算法（ＰＣＡ＋ＬＤＡ和ＯＬＤＡ）和Ａｄａｂｏｏｓｔ＋ＯＬＤＡ算法进行了对比研究，结果表明...
基于AdaBoost的链路预测优化算法
链路预测 社会网络分析 AdaBoost算法 推荐系统 机器学习
2014/3/24
针对当前主流的基于网络拓扑结构的链路预测算法普遍存在召回率较低的问题，研究发现一些算法输出的结果中部分正确结果具有互补性，据此采用基于Boosting的集成学习方法对其进行改进。按照网络中节点之间是否存在链接关系，将链路预测问题定义为二分类问题，进一步遵循算法互补的原则选择若干具有代表性的链路预测算法作为弱分类器，基于AdaBoost算法提出并实现了一个新型链路预测算法。在arXiv论文合作网络和...
基于增量学习思想的改进AdaBoost 建模方法
增量学习 极限学习机 精炼炉
2014/10/11
针对软测量建模的特点以及建模过程中存在的主要问题, 提出了基于AdaBoost RT 集成学习方法的软测量建模方法, 并根据AdaBoost RT 算法固有的不足和软测量模型在线更新所面临的困难, 提出了自适应修改阈值?? 和增添增量学习性能的改进方法. 使用该建模方法对宝钢300 t LF 精炼炉建立钢水温度软测量模型, 并使用实际生产数据对模型进行了检验. 检验结果表明, 该模型具有较好的预测...
对基于多核函数的最小二乘支持向量机算法(MKLSSVM)和采用支持向量机作为弱分类器的AdaBoost算法(AdaBoostSVM) 这两种新型的分类算法进行了研究。将这两种算法应用于求解心脏单光子发射计算机化断层显像(SPECT)图像数据的二分类问题和iris数据集的多分类问题，并从平均分类精度和平均运行时间两方面进行比较分析。最后通过Sammon映射给出了分类的可视化结果。试验结果验证了M...
一种新的AdaBoost视频跟踪算法
AdaBoost Gabor变换 均值漂移
2014/10/8
针对复杂场景中运动目标较难定位的问题, 提出一种结合纹理和颜色特征的AdaBoost 目标跟踪算法. 首先在线训练一个弱分类器的集合区分目标和背景; 然后, 通过AdaBoost 将集合中的各弱分类器组合成一个强分类器,用于标定下一帧中各像素的类别属性, 并生成置信图; 最后, 在置信图中用Mean Shift 算法定位目标的中心. 实验结果表明, 该算法在光照变化、目标自身发生形变和遮挡的情况下...
传统网络中的入侵检测方法运算复杂，不适用于资源受限的无线传感器网络，提出了一种分级结构的Adaboost入侵检测算法，通过增大权重变化量、寻找最优分类器等方法，提高了检测的准确性与及时性；采用二叉树结构解决了检测的多分类问题；提出了入侵检测系统数据采集传输协议，解决了因分级结构带来的通信开销增大的问题；文中还讨论了无线传感器网络入侵检测系统性能的评价标准。理论分析和仿真实验表明，该方法具有较高的准...
高分辨率遥感影像分析中，如何充分挖掘像素间的空间关系来保证分析结果的空间连续性，成为提高影像解译精度的关键。提出了一种度量像素间空间相关关系特征的邻域模式，即空间像素模板，并结合Adaboost集成学习算法来实现IKONOS高分辨率影像上河流的精确提取。首先，基于过滤式特征选择方法自动生成像素模板的具体形式，继而构建多维特征向量，然后利用Adaboost算法实现多特征的加权集成利用，从而最终精确地...
基于AdaBoost的欠抽样集成学习算法
不平衡数据集 AdaBoost算法 欠抽样
2013/12/12
不平衡数据集分类中,采用欠抽样方法容易忽略多数类中部分有用信息,为此提出一种基于AdaBoost的欠抽样集成学习算法U-Ensemble。该方法首先使用AdaBoost算法对数据集预处理,得到各样例权重。训练基分类器时,针对多数类数据不再采用bootstrap抽样方法,而是分别随机选择部分权重较大的样例与部分权重较小的样例,使两部分样例个数与少数类样例个数相同,并组成Bagging成员分类器的训练...