关于AdaBoost.RT集成算法时间序列预测研究

对于时间序列预测问题,Ada Boost.RT集成可有效改善单一预测由于自身局限性而导致的预测精度不高的问题。但集成算法对阈值较为敏感,为提高预测精度,提出一种自适应动态调整阈值的方法。在分析不同阈值对预测影响的基础上,给出了合理初始迭代阈值;以均方根相对误差为标准衡量不同代之间弱学习机的训练效果,并通过比较相邻两代均方根相对误差的大小,判断是否调整阈值,给出了相应的调整方式;最后对获得的新阈值取值范围进行了限定,防止出现极端情形,保证算法的稳定性。在Henon混沌时间序列上的实验结果表明,提出的方法可有效提高时间序列的预测精度,是对Ada Boost.RT集成的一种完善。

基于可变形部件模型及稀疏特征的行人检测

针对方向梯度直方图算法无法处理模糊边界且忽略了物体内平滑的特征区域的问题,提出一种基于稀疏编码的可变形部件模型算法.通过稀疏学习得到稀疏编码直方图特征算子的图像特征,利用弱标签隐藏变量结构化支持向量机学习算法对特征进行训练得到部件模型,再结合级联检测算法对人体目标进行识别检测.实验结果显示,混合模型结合级联方法的检测耗时约是混合模型和语义模型平均检测耗时的1/4,与目前其他已有算法比较,所提方法更加鲁棒和具有识别力.