AdaBoost

摘要： 针对传统单病种医疗费用分析方法在处理大量数据时存在效率低下的问题,提出了一种基于模糊聚类和机器学习的医疗数据统计分析算法。该方法利用模糊聚类在处理大量相关性较强数据上的优势,得到了影响医疗费用的因素;同时,对机器学习中的BP神经网络进行改进,设置双层分类器来提高算法的聚类精准度。对比实验结果表明,文中所提出医疗数据统计分析算法的平均分类精准度比基于Adaboost算法的数据分析算法高5.75%,证明了该统计分析算法的有效性与优越性。

摘要： 为了提高视觉引导AGV多分支路径识别的实时性和鲁棒性,论文提出基于PCA-LDA的特征提取算法与ADABOOST的分类算法。首先对采集到的图像进行预处理,再利用PCA对处理后的图像降维,并利用LDA进行初分类得到识别特征,最后利用ADABOOST分类器进行多路径的识别。实验结果表明,在满足实时性条件下,路径识别的准确率可达到99%以上。

摘要： 利用高光谱遥感技术在水稻收获前对籽粒品质相关的蛋白质含量进行监测,一方面可以及时调整栽培管理方式,指导合理追肥,另一方面,有助于提前掌握籽粒品质信息,明确市场定位。该研究以广东省典型优质籼稻为研究目标,基于2019年和2020年两年氮肥梯度实验,以水稻分化期和抽穗期冠层尺度高光谱数据、水稻氮素参数,包括叶片氮素含量(LNC)、叶片氮素积累量(LNA)、植株氮素含量(PNC)、植株氮素积累量(PNA)及籽粒蛋白含量数据为基础,利用四种个体机器学习算法partial least square regression(PLSR)、K-nearest neighbor(KNN)、Bayesian ridge regression(BRR)、support vector regression(SVR),三种集成学习算法random forest(RF)、adaboost、bagging,针对水稻不同生育期氮素状况进行监测建模,在此基础上构建基于水稻冠层光谱信息、光谱信息结合水稻农学氮素参数的籽粒蛋白含量的监测模型,并对模型进行精度对比。研究结果表明,在水稻氮素营养监测方面,利用水稻冠层454~950 nm波段信息,采用RF及Adaboost算法,在水稻分化期、抽穗期及全生育期LNC、LNA、PNC及PNA模型R^(2)均达到0.90以上,同时也具有较低的RMSE和MAE。在水稻籽粒蛋白品质监测方面,采用全波段光谱信息进行籽粒蛋白含量监测时,RF具有最高的精确度与稳定性,两生育期的RF模型对籽粒蛋白含量的监测结果R^(2)分别为0.935和0.941,RMSE分别为0.235和0.226,MAE分别为0.189和0.152;两生育期以全波段光谱信息结合长势参数进行籽粒蛋白监测时,Adaboost模型具有最高的精确度和稳定性,其中分化期全波段光谱信息结合PNA作为输入参数,Adaboost模型R^(2)为0.960,RMSE为0.175,MAE为0.150,以抽穗期全波段光谱信息结合PNC作为输入参数,R^(2)为0.963,RMSE为0.170,MAE为0.137。研究结果表明,与PLSR,KNN,BRR和SVR几种个体学习器算法相比,集成算法RF,Adaboost和Bagging具备良好的处理多重共线性的能力,适合用于高光谱数据的分析与处理,在作物氮素营养监测及水稻品质的早期遥感监测方面具有明显优势。

摘要： 近年来,基于超宽带系统的室内定位凭借其高精度和高稳定性等优点得到了广泛应用。在复杂室内环境中,超宽带信号在障碍物间的非视距传播导致定位基站和标签之间的距离测量值产生额外误差从而导致定位精度下降。文章提出一种用于修正非视距(NLOS)误差的超宽带定位方法,通过基于自适应增强算法识别 NLOS 传播,识别后通过测量值重构对应视距测量值并计算位置坐标,最后通过无迹卡尔曼滤波算法修正定位误差。实验结果表明,该算法有效消除了 UWB 定位系统中较大的 NLOS 误差,提高了定位精度,具有很好的稳定性。

摘要： 集成学习是非线性系统的主流建模方法之一。但当常规的集成TSK模糊模型直接用于不平衡数据集时,其学习性能容易受到数据不平衡性的影响,因而常常会导致泛化能力差。为解决这一问题,基于TSK模糊模型提出了一种对不平衡数据处理的分类集成模型。基本思想是:首先利用SMOTE过采样方法对不平衡样本集做预处理,使得类别分布相对平衡,再引入AdaBoost方法对集成TSK模糊模型进行学习,集成时根据权值大小对样本进行随机采样,并通过多次训练对权值进行迭代更新,最后将生成的各个模型结果根据特定的加权方法结合,产生最终输出,使各模型得到充分的训练,进而提升整个集成TSK模糊模型的泛化能力。由此,提出了对应的不平衡数据的集成TSK模糊模型,并使用模型在多个数据集上进行实验,采用均方误差和精度对模型进行评估均有较好的效果,然后改变模型数量和规则数量等参数探究它们对模型性能的影响,并使用图像表示它们的变化情况,实验结果证明了所提出的集成学习算法的有效性。

摘要： 为解决不均衡多分类问题,提出一种特征选择和AdaBoost的集成方法。首先,数据进行预处理。利用WSPSO算法进行特征选择,根据特征重要性选取初始粒子构建初始种群,使得算法初期就可以沿着正确的搜索方向开展,减少不相关特征的影响。其次,利用AdaBoost算法对于样本权重较敏感的特点,增强对小类样本的关注度。并且利用AUCarea作为评价标准,相对于其他评价标准,AUCarea具有可视化的优点且对较差AUC更加敏感。最后,与其他几种不均衡分类算法在不平衡数据集上进行对比,结果证明该算法可有效处理不均衡多分类问题。

摘要： 在社会经济水平的不断提高下,社会居民用电量呈现出不断上升的趋势,造成电网投资规模越来越大,为了进一步提高电网投资管理水平,现以“AdaBoost回归树”为例,提出一套行之有效的电网投资模型设计方案。首先,从建投资预测总体思路、电网缺失数据智能填补研究、电网运营数据特征研究等方面入手,完成对预测模型总体研究方案的制定。其次,从AdaBoost算法原理、弱回归模型选择、电网基建投资预测模型建立以及优化设计、预测实验结果及对比分析4个方面入手,完成对回归树电网投资模型的科学设计。结果表明:在AdaBoost回归树的应用背景下,所提出的电网投资模型设计方案具有较高的可靠性和可行性,实现了对电网投资规模的规范化、标准化管理。希望通过这次研究,为相关人员提供有效的借鉴和参考。

摘要： In order to solve the problem that it is difficult for students to find self-study classrooms because of the limited classroom resources, combined with the current situation of informatization in colleges and universities, a feasible method of students counting in classrooms based on head detection is proposed. This method first collects the scene images in the classroom at regular intervals based on the existing examination monitoring system, and then uses the offline trained AdaBoost cascade detector to detect the head candidate region in the images. Then, the trained CNN-SVM model is used to further identify the head, and finally the identification results are processed and the number of students in the classrooms is counted. The test and practice show that the query system for the idle situation of self-study classrooms constructed by coordinating the classroom seat capacity, classroom scheduling data and the students counting in the classroom based on the above method can easily query the current crowded degree of the students in the classrooms, which plays a good guiding role for students to find self-study classrooms. The method has strong reference and promotion significance for solving similar problems in other universities.

摘要： 数字化赋能供应链金融创新是推动我国产业链、供应链持续稳定优化升级的重要内容,在全球金融风险急剧增加的背景下,供应链金融与大数据、区块链、物联网、人工智能等技术相融合,成为解决我国中小企业融资授信问题的有效方式之一。本文在对供应链金融信用风险评价指标进行特征选择的基础上,采用一种动态变异的粒子群算法(DPSO)和AdaBoost算法对SVM进行协同优化和集成,建立了Adaboost-DPSO-SVM模型,并将该模型应用于我国新能源汽车行业供应链金融信用风险评价中,实验结果表明所建立的模型相对其他评价模型具有更好的分类识别性能。

摘要： 针对家用负荷提出了一种使用智能电表进行数据采集的非侵入式负荷在线识别方法。该方法使用智能电表计算出负荷的差量特征向量预先建立特征库,训练以决策树作为弱分类器的AdaBoost分类器模型,利用负荷投切时电表的告警信息中包含的特征向量进行分类以实现负荷在线识别,实时性好且提高了单一决策树模型的识别效果。实验结果证明了该方法的可行性,实现了负荷使用信息的获取,具有较好的实际应用价值。

摘要： 视频监控中出入口人数统计的难点在于人流密集时对每个人体的准确分割。针对此问题，本文通过学习的方法得到人头检测的分类器，并在垂直拍摄图像中提取人头候选区域，以分离相互靠近的人体目标。进而根据人头的运动特征剔除静止误检区域，根据误检目标检测频率低及其响应位置不连续的特征剔除动态误检区域。最后提出一种简易可行的过线跟踪方案以完成计数。实验中对双向同时过线，搬货物过线和光照发生变化时过线的视频进行测试，正确率能够达到95%以上。

摘要： 视频监控中出入口人数统计的难点在于人流密集时对每个人体的准确分割。针对此问题，本文通过学习的方法得到人头检测的分类器，并在垂直拍摄图像中提取人头候选区域，以分离相互靠近的人体目标。进而根据人头的运动特征剔除静止误检区域，根据误检目标检测频率低及其响应位置不连续的特征剔除动态误检区域。最后提出一种简易可行的过线跟踪方案以完成计数。实验中对双向同时过线，搬货物过线和光照发生变化时过线的视频进行测试，正确率能够达到95%以上。

摘要： 视频监控中出入口人数统计的难点在于人流密集时对每个人体的准确分割。针对此问题，本文通过学习的方法得到人头检测的分类器，并在垂直拍摄图像中提取人头候选区域，以分离相互靠近的人体目标。进而根据人头的运动特征剔除静止误检区域，根据误检目标检测频率低及其响应位置不连续的特征剔除动态误检区域。最后提出一种简易可行的过线跟踪方案以完成计数。实验中对双向同时过线，搬货物过线和光照发生变化时过线的视频进行测试，正确率能够达到95%以上。

摘要： 视频监控中出入口人数统计的难点在于人流密集时对每个人体的准确分割。针对此问题，本文通过学习的方法得到人头检测的分类器，并在垂直拍摄图像中提取人头候选区域，以分离相互靠近的人体目标。进而根据人头的运动特征剔除静止误检区域，根据误检目标检测频率低及其响应位置不连续的特征剔除动态误检区域。最后提出一种简易可行的过线跟踪方案以完成计数。实验中对双向同时过线，搬货物过线和光照发生变化时过线的视频进行测试，正确率能够达到95%以上。

摘要： 视频监控中出入口人数统计的难点在于人流密集时对每个人体的准确分割。针对此问题，本文通过学习的方法得到人头检测的分类器，并在垂直拍摄图像中提取人头候选区域，以分离相互靠近的人体目标。进而根据人头的运动特征剔除静止误检区域，根据误检目标检测频率低及其响应位置不连续的特征剔除动态误检区域。最后提出一种简易可行的过线跟踪方案以完成计数。实验中对双向同时过线，搬货物过线和光照发生变化时过线的视频进行测试，正确率能够达到95%以上。

摘要： 随着DSP技术的飞速发展，其运算速度和运算精度不断地提高，系统功能、数据处理能力以及与外部设备的通信功能不断地增强，完全可以利用DSP进行图像识别系统的开发。该文章提出了基于TI系列TMS320DM642的快速人脸检测系统的设计方案，降低了系统成本，简化了硬件系统的设计，缩短了设计周期。首先简要介绍了人脸识别算法的本原理，并选择实用的有效特征，针对算法实现原理提出了相应的硬件平台设计方案，阐述了各个单元的功能，在设计的硬件系统上进行算法移植，实现嵌入式快速人脸识别系统的研制。最后，提出了系统的算法优化方案，通过测试结果的分析，系统的性能大大改善。

摘要： 随着DSP技术的飞速发展，其运算速度和运算精度不断地提高，系统功能、数据处理能力以及与外部设备的通信功能不断地增强，完全可以利用DSP进行图像识别系统的开发。该文章提出了基于TI系列TMS320DM642的快速人脸检测系统的设计方案，降低了系统成本，简化了硬件系统的设计，缩短了设计周期。首先简要介绍了人脸识别算法的本原理，并选择实用的有效特征，针对算法实现原理提出了相应的硬件平台设计方案，阐述了各个单元的功能，在设计的硬件系统上进行算法移植，实现嵌入式快速人脸识别系统的研制。最后，提出了系统的算法优化方案，通过测试结果的分析，系统的性能大大改善。

摘要： 随着DSP技术的飞速发展，其运算速度和运算精度不断地提高，系统功能、数据处理能力以及与外部设备的通信功能不断地增强，完全可以利用DSP进行图像识别系统的开发。该文章提出了基于TI系列TMS320DM642的快速人脸检测系统的设计方案，降低了系统成本，简化了硬件系统的设计，缩短了设计周期。首先简要介绍了人脸识别算法的本原理，并选择实用的有效特征，针对算法实现原理提出了相应的硬件平台设计方案，阐述了各个单元的功能，在设计的硬件系统上进行算法移植，实现嵌入式快速人脸识别系统的研制。最后，提出了系统的算法优化方案，通过测试结果的分析，系统的性能大大改善。

摘要： 随着DSP技术的飞速发展，其运算速度和运算精度不断地提高，系统功能、数据处理能力以及与外部设备的通信功能不断地增强，完全可以利用DSP进行图像识别系统的开发。该文章提出了基于TI系列TMS320DM642的快速人脸检测系统的设计方案，降低了系统成本，简化了硬件系统的设计，缩短了设计周期。首先简要介绍了人脸识别算法的本原理，并选择实用的有效特征，针对算法实现原理提出了相应的硬件平台设计方案，阐述了各个单元的功能，在设计的硬件系统上进行算法移植，实现嵌入式快速人脸识别系统的研制。最后，提出了系统的算法优化方案，通过测试结果的分析，系统的性能大大改善。

摘要： 本文首次将基于决策树的AdaBoost算法引入到舌诊分类中来.颜色和纹理是舌面信息中最为重要的两项,本文首先运用PCA对特征进行了预处理.选择基于CART的AdaBoost学习算法作为最终分类器,实验结果表明,此方法对舌象二类分类具有很好的效果.

摘要： 本发明公开了一种基于AdaBoost算法的帕金森病冻结步态症状关键特征参数的语音分析方法。步骤一、采集帕金森病患者持续稳定的元音，并记录帕金森病患者是否有冻结步态症状；步骤二、对语音信号进行去噪预处理，并去除静音片段；步骤三、提取多种语音特征；步骤四、利用CART算法对原始特征进行特征选择，筛选出能够有效表征冻结步态症状信息的关键特征；步骤五、训练AdaBoost模型；步骤六、将待测语音的特征向量输入模型，得到帕金森病冻结步态症状的关键特征参数。本发明使用AdaBoost算法来进行帕金森病冻结步态症状的分析，利用集成学习提高模型精度，降低了帕金森病冻结步态症状早期分析的成本。

摘要： 本申请的实施例提供了基于SAE‑Adaboost的非预期故障诊断方法、装置、设备和计算机可读存储介质。所述方法包括获取载体姿态数据；将所述载体姿态数据输入至第一故障提取模型，得到故障类型集合；所述第一故障提取模型为SAE模型；将所述故障类型集合输入至第二故障提取模型，得到非预期故障；所述第二故障提取模型为Adaboost模型。实现了对非预期故障的诊断。

摘要： 本发明提出了一种基于Adaboost的头部定位方法，包括：第一步：使用摄像头对头部信息进行实时视频采集；第二步：通过图像处理模块接收第一步中视频采集头部信息时传输的实时数据，对图像进行预处理；第三步：使用基于Adaboost的方法进行头部识别，借此，本发明具有实现对人体头部进行定位的优点。

摘要： 本发明涉及一种基于Adaboost‑BP的电压暂降类型辨识方法，属于电能质量检测领域。依次包括电压暂降域的计算，暂降事件电压RMS波形特征提取，及基于Adaboost‑BP的电压暂降类型辨识算法；首先计算三相电压数据的RMS波形，然后通过基于小波变换模极大值的暂降域确定方法，确定电压暂降事件的暂降域。接着根据电压暂降域的计算方法，计算暂降最严重相在暂降域内的特征值，以四个特征值组成暂降波形的特征向量。将训练样本的特征向量输入到Adaboost‑BP分类模型中对模型进行训练，训练完成后再将测试样本的特征向量输入到训练好的Adaboost‑BP分类模型中进行测试。

摘要： 本发明公开了一种基于肤色联合Adaboost算法的人脸检测方法，包括：对人脸图像进行预处理；建立新的颜色空间YCbCgCr；确定阈值模型以分割肤色和非肤色区域，得到初步的人脸检测候选图像；利用Adaboost算法训练弱分类器，将不同训练集中的弱分类器组合成强分类器，强分类器串联成级联分类器；利用训练好的级联分类器对选出的候选图像进行第二次检测，得到最终的检测结果。本发明算法流程明确，能够检测输入图像中的侧面或被遮挡的脸。

摘要： 本发明公开一种基于KNN和AdaBoost的铁路事故类型预测方法，具体涉及，计算铁路事故历史数据集属性的稀疏度，根据稀疏度阈值删除部分属性列；对铁路事故数据中的字符型数据进行编码；使用KNN算法对铁路事故数据进行缺失值填补；对铁路事故数据进行归一化，归一化后的数据随机划分为训练集和测试集；使用AdaBoost方法，构造铁路事故类型预测分类器，在测试集上检验分类器性能。本发明公开的方法对铁路事故数据进行了有效的预处理，并使用集成学习方法AdaBoost来缓解原始数据的类不平衡问题，提升了事故类型预测的性能。

摘要： 本发明公开了一种基于relieff特征选择和BP_Adaboost算法的经济状况不佳家庭预测分类模型，包括如下步骤：对数据集进行预处理、对数据集进行划分、将训练集的数据代入到相应的算法中建立数学模型、把测试集中的数据通过建立好的数据模型进行分类预测、将数据模型预测的结果与真实标签相比较，根据模型评估方法及原则对各个模型进行评估；本发明为工作者提供一个可视化的展示平台，让工作者清晰的了解到各个村镇的经济状况不佳家庭的教育水平、务工情况、劳动力水平、健康状况、家庭住房情况等信息，通过及时走访调查来遏制情况的恶化，系统结合GIS展示出到地图上，并与图表信息联动，可以清晰的了解到整体局势，避免大规模经济状况不佳反复的情况发生。

摘要： 本发明公开了一种基于RF‑Adaboost模型在异常水情数据中的诊断与插补方法，涉及水情监测技术领域，该方法包括以下步骤：获取实时水情数据，采用中值滤波对水情数据进行时间序列分析，绘制3‑Sigma图，基于3‑Sigma图对异常数据进行实时识别诊断；构建基于随机森林(RF)改进的Adaboost模型并训练，应用RF‑Adaboost模型对水情监测数据进行实时预测，并对异常数据进行插补，采用该方法可以有效提高水情监测数据的实时预测和监测，对于异常数据能够及时诊断、插补，从而可以提高数据的可靠性、客观反映水情变化、有效指导工程调度。

摘要： 本发明涉及一种基于改进的AdaBoost的乳腺癌生存预测方法，该方法包括以下步骤：数据输入模块、数据预处理模块、AdaBoost训练模块、AdaBoost测试模块、乳腺癌生存预测模块，利用训练好的AdaBoost模型作为最终应用模型，用于乳腺癌的生存状况预测。与现有的相关技术相比，本发明中AdaBoost算法中弱分类器的加权参数不但与错误率有关，还与其对正样本的识别能力有关，改变弱分类器的权重值，同时采用一种弱分类器相似度度量方式，对弱分类器进行选择性集成，组合成强分类器，提高了分类的性能，提高了分类的性能。

摘要： 本发明公开了一种基于Adaboost‑SVM的变压器工况辨识方法，属于变压器状态辨识技术领域。本发明包括在变电站采集变压器工况原始数据集，根据环境温度与负载情况划分变压器运行工况，选取环境温度偏差率、变压器负载电流和运行电压3个参数构建工况特征样本u，基于所述变压器运行工况及特征参数通过k‑means聚类对特征样本获取工况类型标签，训练Adaboost‑SVM分类模型，通过JS优化算法寻取分类模型的最优训练参数，根据分类模型输出结果确定变压器工况类型，本发明能够提升变压器工况辨识的准确性，有利于提高现场检修效率，降低事故风险。