基于拟合型弱分类器的AdaBoost算法

针对AdaBoost算法通过最小化训练错误率来选择弱分类器造成的精度不佳问题以及单阈值作为弱分类器训练过程较慢难以收敛问题,提出了一种基于拟合型弱分类器的Ada Boost算法。首先针对每个特征,在特征值与标记值之间建立映射关系,引入最小二乘法求解拟合多项式函数,并转换成离散分类值,从而获得弱分类器。其次从获得的众多弱分类器中,选择分类误差最小的弱分类器作为本轮迭代的最佳弱分类器,构成新的Ada Boost强分类器。与传统训练算法相比,极大地减少了待选弱分类器的个数。选取UCI数据集和MIT人脸图像数据库进行实验验证,相较于传统Discrete-AdaBoost算法,改进算法的训练速度提升了一个数量级,人脸检测率可达96.59%。

基于模糊综合评价的AdaBoost算法研究

针对AdaBoost算法在训练过程中对噪声数据敏感,影响其分类性能的问题进行研究,提出了一种基于模糊综合评价弱分类器的改进AdaBoost算法。把模糊综合评价模型构建成一类弱分类器,然后组合成Adaboost强分类器。首先将特征值分布曲线分割成为多个高斯单峰函数,每个高斯单峰函数对应一个模糊隶属度函数,离散化后构建单因素矩阵集合;其次依据单因素矩阵来构建模糊综合评价模型,从而形成模糊综合评价弱分类器;最后通过改变评价指标权重向量进行搜索寻优,选择总误差最小的权重向量和单因素矩阵集构成的模糊评价弱分类器,得到最佳弱分类器后组合构成新的AdaBoost强分类器。算法能够接受样本特征值在一定范围内的变动而不改变标记值,对于学习噪声样本具有更好的容错能力。实验结果表明,所提出的改进算法有效提高了分类器的鲁棒性。

铁路既有线改造无缝线路的施工技术

文章以大包电气化改造工程山西段孤山站改造中的无缝线路施工为例,介绍了既有线改造中跨区间无缝线路不同地段的施工方案选择、施工工序和主要施工工艺控制要点。

既有线增复线扩能改造中高路堑控制爆破施工及防护技术

以大包电气化改造工程中K 385＋600－K 388＋000段内的高路堑爆破施工为依据,对控制爆破在既有线改造中石质高路堑施工的应用进行了阐述。