基于Adaboost集成模型的城市短期供水量预测方法

为解决供水量预测精度问题,以上海市中心城区历史用水数据为基础,结合影响水量供给的多种因子,利用特征工程相关算法筛选出最优因子组合,采用基于机器学习Adaboost集成模型构建城市供水量预测模型。研究发现:与该市传统的依赖于人工的预测方法相比,日水量模型使预测误差上限由平均10万t/d降低到7万t/d,平均相对误差降低为1.5%;时水量模型使预测误差上限由平均1.5万t/h降低到0.4万t/h,平均相对误差降低为1.9%。同时,与其他的机器学习模型相比,此模型有效可行,能够提高供水量预测精度,降低能耗成本。     

基于肤色模型和改进Adaboost算法的人脸检测

为提高人脸检测的精度,提出一种基于YCbCr肤色模型和Adaboost算法的人脸检测方法。利用YCbCr颜色空间的肤色阈值模型确定待检测区域。再利用Adaboost算法准确定位出人脸位置,并对Adaboost算法的训练过程提出一种新的权值更新方法,防止权值过分增大,避免了Adaboost算法训练过程中出现的“退化”现象。     

基于改进的核主元回归的赖氨酸发酵软测量

针对赖氨酸发酵过程中关键生物参数(菌体浓度、基质浓度、产物浓度)难以在线测量的问题,提出一种基于自适应提升法(Adaboost)与核主元回归(KPCR)的软测量建模方法。利用Adaboost算法具有将弱学习算法提升为强学习算法的性能,将其引人KPCR中,提升KPCR模型。以氨基酸典型菌种赖氨酸发酵过程为研究对象,采用基于Adaboost算法与KPCR的软测量模型进行预测仿真,仿真结果表明该模型能够对赖氨酸发酵过程的三个关键生物参数进行较准确的预测,与单一的KPCR模型相比,泛化能力强,预测精度高。     

基于Adaboost改进算法的铸坯表面缺陷检测方法

 针对钢铁铸坯表面检测及缺陷识别问题，从图像处理及机器学习角度，提出一种基于Adaboost算法的进行钢铁铸坯表面缺陷检测，并结合Gabor小波和Canny边缘检测进行处理，排除伪缺陷的新方法。大量试验表明：该方法能够较好地检出具有缺陷的钢铁铸坯，且具有准确率高、速度快、易实施等优点。     

基于OPENCV具有眨眼侦测功能的人脸检测系统

随着社会智能化程度的提高,视频图像凭借其直观优势将逐渐取代文字的地位。本文在基于OPENCV的基础上,提出一个具有眨眼侦测功能的人脸检测系统,其中利用相对比较成熟的开源计算机视觉库opencv开源函式库对摄像头实时输入的图像进行采集,对采集图像做前期处理;Adaboost算法由于它特殊的算法模式,可以进行快速的目标检测,因此采用Adaboost算法做人眼定位检测,本文提出的眨眼侦测功能可以为系统提供防伪功能,为人脸识别技术提供一道安全的屏障,实验结果表明,本系统实验了人脸检测,人眼定位,眨眼侦测等功能,检测效率高,效果好。     

人脸识别算法在OMAP-L138平台上的研究与实现

针对人脸识别技术在嵌入式门禁系统中的应用,提出了以OMAP-L138微处理器为核心的嵌入式系统,该系统能够很好地保证实时性和可靠性。通过Adaboost人脸检测算法,以及基于Gabor的人脸识别算法实现了嵌入式门禁系统。相应的实验结果表明,该算法在嵌入式平台得到了优化,嵌入式系统的高可靠性和实时性问题得以解决。     

一种适用于超多类手写汉字识别的新改型Adaboost算法

提出一种适用于超多类手写汉字识别的新改型Adaboost算法，采用基于描述性模型的多类分类器（modified quadratic discriminant function，MQDF）作为Adaboost基元分类器，可直接进行多类分类，无需将多类问题转化为多个两类问题处理，其训练复杂度大大低于已有的多类Adaboost算法。算法提出根据广义置信度更新样本权重，实验证明这种算法适用于大规模多类分类问题。为了降低算法的识别复杂度，提出从所有训练后得到的Adaboost基元分类器组中选择一个最优的基元分类器作为最终分类器的方法进行删减。在HCL2000及THOCR—HCD数据集上进行实验证明，所提改型Adaboost算法提高了识别率的有效性，该算法的相对错误率比现有最优算法分别下降了14．3％．8．1％和19．5％．     

综合肤色模型和多模板匹配增强Adaboost人耳检测

为克服传统的Adaboost算法出现的样本训练时间过长、过于依赖样本质量等问题,在训练不足及初始人耳定位不好的情况下,引入YCbCr肤色模型和多模板匹配技术策略对人耳进行精确定位。实验表明,改进后的人耳检测性能得到较大的提高,对动、静态人耳均能达到准确定位和检测的效果,算法的鲁棒性较好。     

基于分形SMOTE重采样集成算法圈定区域化探异常

基于分形自相似性理论改进SMOTE算法,实现数据集的均衡化。结合集成学习Adaboost技术更新样本权值,改善非均衡数据的分类性能,并对云南个旧锡铜多金属矿床进行了仿真实验,结果表明新算法预测结果能较好地检测成矿异常,为成矿预测与评价提供新的解决途径。     

复杂背景的人脸检测方法

由于原始的Adaboost方法在复杂图片上检测人脸效果不够理想,所以提出了一种能够处理复杂背景图片的人脸检测方法,即基于肤色的Adaboost检测方法。该方法具有肤色分割的检测率高、适应性强和AdaBoost算法检测速度快等优点。首先,通过人脸肤色的统计特征对图像进行肤色分割,得到候选人脸区域;然后使用经过训练的AdaBoost算法级联分类器对候选人脸区域进行检测,最终得到精确定位的人脸。经过实丐令证明,基于肤色分割的Adaboost人脸检测方法比原始的Adaboost方法在鲁棒性上有了很大提高。