红外与激光工程
紅外與激光工程
홍외여격광공정
INFRARED AND LASER ENGINEERING
2008年
5期
897-900
,共4页
红外目标识别%Adaboost%正则化
紅外目標識彆%Adaboost%正則化
홍외목표식별%Adaboost%정칙화
对于高维特征空间的分类,Adaboost算法是一种有效的分类算法.然而,如果把Adaboost算法直接运用到红外目标的识别,就会面临高噪声下的Adaboost过拟合问题.采用正则化后的Adaboost算法,即AdaboostKL算法作为分类算法的学习模型,以NaiveBayes作为弱学习器,提出了基于正则化Adaboost的红外目标识别算法.正则化的目的是为避免在红外图像特征高噪声下分类器的过拟合,改善了在高噪声数据下目标识别的可靠性.在求取Adaboost的权重分布时,采用的是熵正则化的方法.通过实验,验证了此算法,则即使面对高噪声的红外数据,也能获得较好的识别效果.
對于高維特徵空間的分類,Adaboost算法是一種有效的分類算法.然而,如果把Adaboost算法直接運用到紅外目標的識彆,就會麵臨高譟聲下的Adaboost過擬閤問題.採用正則化後的Adaboost算法,即AdaboostKL算法作為分類算法的學習模型,以NaiveBayes作為弱學習器,提齣瞭基于正則化Adaboost的紅外目標識彆算法.正則化的目的是為避免在紅外圖像特徵高譟聲下分類器的過擬閤,改善瞭在高譟聲數據下目標識彆的可靠性.在求取Adaboost的權重分佈時,採用的是熵正則化的方法.通過實驗,驗證瞭此算法,則即使麵對高譟聲的紅外數據,也能穫得較好的識彆效果.
대우고유특정공간적분류,Adaboost산법시일충유효적분류산법.연이,여과파Adaboost산법직접운용도홍외목표적식별,취회면림고조성하적Adaboost과의합문제.채용정칙화후적Adaboost산법,즉AdaboostKL산법작위분류산법적학습모형,이NaiveBayes작위약학습기,제출료기우정칙화Adaboost적홍외목표식별산법.정칙화적목적시위피면재홍외도상특정고조성하분류기적과의합,개선료재고조성수거하목표식별적가고성.재구취Adaboost적권중분포시,채용적시적정칙화적방법.통과실험,험증료차산법,칙즉사면대고조성적홍외수거,야능획득교호적식별효과.
