论文部分内容阅读
提出了一种基于Adaboost算法和CART算法结合的分类算法。以特征为节点生成CART二叉树，用CART二叉树代替传统Adaboost算法中的弱分类器，再由这些弱分类器生成强分类器。将强分类器对数字样本和人脸样本分类，与传统Adaboost算法相比，该方法的错误率分别减少20％和86．5％。将分类器应用于目标检测上，实现了对这两种目标的快速检测和定位。结果表明，改进算法既减小了对样本分类的错误率，又保持了传统Adboost算法对目标检测的快速性。