收录:
摘要:
本发明公开一种改善的基于Ransac算法的鲁棒AdaBoost分类器构建方法,包括:初始参数设置、量样本随机选取、满足该模型样本加入、分类器模型更新、迭代构建下一个分类器模型、分类正确率计算、最终分类模型选出。本发明通过将Ransac算法引入到AdaBoost分类器模型构建过程中,并通过迭代建模的过程搜寻正确的样本;同时在全部基于AdaBoost算法构建的分类器模型中选取最佳分类模型。通过上述策略,本发明最终实现了基于Ransac算法的鲁棒AdaBoost分类器构建,获得的分类器模型的设计完全不受外点的影响。最后,基于本方法设计的AdaBoost分类器模型用于含有一定量外点的笔迹样本的验证,实验结果证明本文提出方法对比于另外两种AdaBoost分类器构建方法,拥有更高分类精度。
关键词:
通讯作者信息:
电子邮件地址: