成果簡介：

　　本發(fā)明提供了一種基于隨機(jī)蕨的自舉弱學(xué)習(xí)方法及其分類器，本發(fā)明屬于計算機(jī)圖形識別技術(shù)領(lǐng)域。圖形識別通常采用弱分類器的加權(quán)、高斯概率分布的均值距離來判別正負(fù)樣本?；虿捎梅诸悩渥鳛槿鯇W(xué)習(xí)器，用誤差測度減少最大化的劃分準(zhǔn)則劃分節(jié)點(diǎn)，然后將這些弱分類器提升為強(qiáng)分類器。但是，這些弱學(xué)習(xí)方法要么收斂速度慢，要么準(zhǔn)確率不夠高，要么計算效率低。本發(fā)明選擇圖像特征和構(gòu)造隨機(jī)蕨、基于隨機(jī)蕨的弱學(xué)習(xí)方法、基于隨機(jī)蕨的弱學(xué)習(xí)方法、構(gòu)建弱分類器、結(jié)果分類器等步驟可以很好地解決成像環(huán)境復(fù)雜且對運(yùn)算量要求嚴(yán)格的圖像模式識別，實(shí)現(xiàn)快速收斂和高效的自舉弱學(xué)習(xí)方法，得到實(shí)時處理且準(zhǔn)確率高的分類器。主要用于各種模式識別場合。

　　合作方式：面議。

　　聯(lián)系地址：四川省成都市二環(huán)路北一段111號

　　聯(lián)系方式：陳桂兵 電話：028—87600273

　　傳真：028—87600272

　　E-mail：hzk@swjtu.cn