论文部分内容阅读
Boosting算法是近年来在学习领域出现的用于提高算法精度的方法。由于它的算法简单实用,执行效率高,现已广泛应用于目标识别中。与其他算法不同的是:它不是直接构建一个高精度的算法,而是通过多次学习将弱分类器组成一个强分类器。针对传统识别方法检测率低的特点,提出一种基于集成学习的方法:利用图像目标的片段作为特征,用Boosting方法训练的分类器对目标进行分类。实验结果表明算法具有鲁棒性,对复杂场景中的目标具有较高的识别精度。