当前位置：
首页 资源下载
搜索资源 - boosting classifier
搜索资源列表
-
0下载：
Boosting is a meta-learning approach that aims at combining an ensemble of weak classifiers to form a strong classifier. Adaptive Boosting (Adaboost) implements this idea as a greedy search for a linear combination of classifiers by overweighting the
-
-
0下载：
AdaBoost, Adaptive Boosting, is a well-known meta machine learning algorithm that was proposed by Yoav Freund and Robert Schapire. In this project there two main files
1. ADABOOST_tr.m
2. ADABOOST_te.m
to traing and test a user-coded learnin
-
-
1下载：
最经典AdaBoost实现，适合初学，有大量详细的注释，容易理解-This a classic AdaBoost implementation, in one single file with easy understandable code.
The function consist of two parts a simple weak classifier and a boosting part:
The weak classifier tries to find the b
-
-
0下载：
Boosting中的AdaBoost.M1算法在文本分类中的应用实现。使用ICTCLAS用于中文分词，弱分类器使用Naive Bayes。程序参数使用配置文件的格式。-Application of text classification using AdaBoost.M1. Use ICTCLAS tool in Chinese segment, and use Naive Bayes as the weak classifier. use the config file as the para
-
-
0下载：
这是一个经典的形变模型实施,在一个单一的文件用简单的可以理解的代码。
功能包括两部分一个简单的弱分类器和一个促进部分:
弱分类器试图找到最佳阈值的数据维数对数据进行分离成两个阶级1和1
要求的进一步提高分类器部分迭代,每一步是变化分类权重miss-classified例子。这造成了一连串的“弱分类器”,表现得像一个“强大分类器”
-This a classic AdaBoost implementation, in one single file with easy unders
-
-
0下载：
当弱分类器算法使用简单的分类方时,boosting的效果明显地统一地比bagging要好.当弱分类器算法使用C4.5时,boosting比bagging较好,但是没有前者的比较来得明显.-When the weak classifier algorithm using simple classification method, boosting the effect clearly uniformly better than bagging.
When the weak classifier
-
-
1下载：
AdaBoost元算法属于boosting系统融合方法中最流行的一种，说白了就是一种串行训练并且最后加权累加的系统融合方法。
具体的流程是：每一个训练样例都赋予相同的权重，并且权重满足归一化，经过第一个分类器分类之后，
计算第一个分类器的权重alpha值，并且更新每一个训练样例的权重，然后再进行第二个分类器的训练，相同的方法.......
直到错误率为0或者达到指定的训练轮数，其中最后预测的标签计算是各系统*alpha的加权和，然后sign（预测值）。
可以看出，训练流程是串行的
-
-
0下载：
目前支持这种分类器的boosting技术有四种： Discrete Adaboost, Real Adaboost, Gentle Adaboost and Logitboost。-Currently support this classifier boosting technology, there are four: Discrete Adaboost, Real Adaboost, Gentle Adaboost and Logitboost.
-
-
1下载：
Now, you ought to implement the AdaBoost.M1 and AdaBoost.M2 algorithms. These algorithms
are two versions of the AdaBoost algorithm for handling the Problems with more than two
classes. You must first read the paper “Experiments with a New Boosti
-
-
1下载：
使用matlab编程的，boosting分类器的源程序，用于图像处理的行人的识别-Recognition using matlab programming, boosting classifier source for image processing pedestrians
-
-
0下载：
The project is to determine how much a particular factor influences on the helpfulness of a review. We extracted
features like polarity, rating, average word length, helpfulness ratio the collected amazon data. We used
gradient boosting classifie
-
