2011, 28(6): 201-204,208.
摘要:
神经网络分类器存在容易出现过学习、欠学习、陷入维数ξ 灾以及局部最小等问题, 支持向量机分类器也存在运算比较复杂, 模型选择和核函数的∑ 构造比较困难的问题, 而贝叶斯分类器只有在训练样本数趋于无▲穷时, 训练结果才趋于真实的模型, 因此, 提出了一种基于Adaboost.M1理论的车型分类算法, 该算法简单易用, 只需要寻找一个精度比随机预测㊣略高的弱分类器, 不需要调节任何参数, 不需要先验知♀识, 而且有足够的理论支持.最后通过实验验证了该算法进行车型分类的有效性.