技術(shù)總結(jié)
本發(fā)明公開一種改善的基于Ransac算法的魯棒AdaBoost分類器構(gòu)建方法，包括：初始參數(shù)設(shè)置、量樣本隨機(jī)選取、滿足該模型樣本加入、分類器模型更新、迭代構(gòu)建下一個(gè)分類器模型、分類正確率計(jì)算、最終分類模型選出。本發(fā)明通過將Ransac算法引入到AdaBoost分類器模型構(gòu)建過程中，并通過迭代建模的過程搜尋正確的樣本；同時(shí)在全部基于AdaBoost算法構(gòu)建的分類器模型中選取最佳分類模型。通過上述策略，本發(fā)明最終實(shí)現(xiàn)了基于Ransac算法的魯棒AdaBoost分類器構(gòu)建，獲得的分類器模型的設(shè)計(jì)完全不受外點(diǎn)的影響。最后，基于本方法設(shè)計(jì)的AdaBoost分類器模型用于含有一定量外點(diǎn)的筆跡樣本的驗(yàn)證，實(shí)驗(yàn)結(jié)果證明本文提出方法對(duì)比于另外兩種AdaBoost分類器構(gòu)建方法，擁有更高分類精度。

技術(shù)研發(fā)人員：曹萬鵬
受保護(hù)的技術(shù)使用者：北京工業(yè)大學(xué)
文檔號(hào)碼：201610917782
技術(shù)研發(fā)日：2016.10.20
技術(shù)公布日：2017.03.22