AdaBoost检测结合SOM的自动人脸识别方法

针对当前许多人脸识别算法需要人工干预以及剪裁图像尺寸与运行速度不平衡的问题,提出一种利用自组织网络的自动人脸识别方法。利用Ada Boost人脸检测算法定位来获取人脸图像,并转化为相同尺寸的灰度图像;将图像的训练子集用于训练自组织映射(SOM)分类器,再利用相似性度量完成分类。在Libor Spacek数据集、扩展Yale B数据集和FERET数据集上进行验证,结果显示提出的方法实现了全自动处理,三个测试集的识别率均在97.00%左右,均优于对比算法。

基于多阈值弱学习的Adaboost检测器

近年来基于Adaboost的人脸检测算法因其快速和可接受的检测率得到了成功的应用。但采用单阈值作弱分类器显得太弱难于适应复杂的统计分布,且训练过程较慢收敛。为克服这些困难,采用分类树作弱学习器,该学习器以贪婪的的方法用误差测度减少最大化的划分准则划分节点,并由此生成弱分类器,然后采用RAB或GAB方法在给定数据和标签的训练集上将这些弱分类器提升为强分类器。实践结果表明采用多阈值作弱分类器能显著提高分类器性能。

基于特征脸的Adaboost检测算法与识别应用研究

随着人工智能理论与技术的发展,人脸检测与识别作为计算机视觉重要的分支,近年来成为学术界研究的重点。研究和实现了Adaboost人脸检测算法和基于特征脸的人脸识别算法。利用结合Adaboost检测器级联的特性,引入基于梯度方向金字塔和支持向量机的人脸分类算法,去除了部分误检测的结果;引入基于肤色模型的分割算法,对人脸区域进行精确定位,并对第二代身份证、Feret人脸数据库以及互联网图片资源进行人脸识别实验。结果表明,算法对正面人脸效果显著,识别速度快,准确率高。

一种改进的AdaBoost检测算法

针对传统Ada Boost算法在人脸图片训练过程中可能会出现退化现象和训练目标类权重分布过适应的问题,提出一种基于调整正负误差比和设定阈值的改进Ada Boost算法。该算法首先把设定的阈值和当前分类错误样本的权值比较来更新样本的权值,其次通过调整正误差和负误差之间的偏重关系来控制训练样本的偏重。经过实验表明,不同人脸图像库和不同正负样本比不影响该算法的有效性,在LFW非受限人脸图像库正负样本比例为1∶1情况下,检测率为86.7%,高于传统Ada Boost算法;弱分类器数目为116,比传统Ada Boost算法多15个。实验结果可以看出所提算法抑制了退化和训练目标类权重过适应现象,有效地提高了人脸图片检测率。

基于AdaBoost检测器的似然估计方法

本文提出利用Gentle AdaBoost（GAB）训练一个层叠结构的目标检测器,然后基于训练出的检测器结构引入两种策略,设计了5种应用于后续粒子滤波跟踪的似然函数.为估计目标出现的概率,提出了两种构造似然函数的策略：层内概率统计（PIS）策略和层间概率统计（POS）策略.PIS表示在同一层内每个弱分类器的实数输出的概率统计,POS为实现层叠检测器在检测时所到达深度的概率统计.基于这两种策略,设计出了5种似然函数的形式：基于层叠结构的层内概率密度估计似然函数（PIS-CA）、基于合成结构的层内概率密度估计似然函数（PIS-EA）、层间概率密度估计似然函数（POS）、顺序组合层叠检测器的层内概率密度估计似然函数（S-PIS-POS）和逆序组合层叠检测器的似然函数（A-PIS-POS）.实验表明,所定义的似然函数可以很好地估计目标出现的概率,在目标出现的区域比背景区域具有更大的置信度,整合PIS和POS两种策略的似然函数具备最优的性能.

改进的AdaBoost检测算法在身份识别中的应用

传统的Ada Boost人脸检测算法训练时间长对设备要求高,在复杂背景下存在漏检误检。提出一种基于小波重构和特征提取的Ada Boost人脸检测算法,并应用到身份验证中。采用小波重构方法,实现对人脸信息有用特征的重构,进行去噪处理提高人脸识别的准确性。采用人脸特征关联性方法将不同的人脸特征子集进行分类处理,采用特征提取算法实现对Ada Boost算法的改进。仿真结果表明,采用改进的人脸检测算法进行身份验证,能检测到一定范围内的非正脸图像特征,有效提取人脸的局部信息特征点,提高身份验证对象的检测精度和正确识别率。

基于AdaBoost学习策略的污水近红外光谱快速检测

对实际污水样本的近红外光谱数据进行建模,可以预测水质指标,实现污水水质监测。但实际污水样本的多样性不足,标签值集中在某个较低的区间内,样本间离散度低、区分度小,导致近红外光谱数据和标签值间的相关性较弱,一般的分类模型和回归模型的预测准确度较低。因此,利用自适应增强(adaptive boosting,AdaBoost)算法进行建模以提高模型的准确度,利用集成策略将多个子学习器组合为一个准确度更高的强学习器。此外,人为配置具有浓度梯度的标准样本对实际污水样本进行补充,以减弱实际污水样本的多样性不足对建模精度的影响。在不同数据集上对AdaBoost算法和其他常用算法进行了对比,对比结果证明了AdaBoost算法在污水水质快速检测方面的有效性。

基于AdaBoost算法的新能源汽车电机异常故障检测

新能源汽车的电机系统包含许多复杂的部件和子系统,部件之间的相互作用使得异常故障的检测变得复杂,而电机异常故障检测主要采用人工检测方式,即通过耳朵听声音,用眼睛观察,用手触摸找出故障位置,导致故障检测精度较低。因此,提出AdaBoost算法下新能源汽车电机异常故障检测方法。通过传感器采集电机信号,采用距离相似度、模糊隶属度函数提取信号特征,借助遗传算法的编码操作、交叉操作及其变异操作获取关键信号特征,运用自适应增强(Adaptive Boosting,AdaBoost)算法将信号特征分成正常信号和异常故障,以此实现对新能源汽车电机异常故障检测。实验结果表明,所提算法电机异常故障检测精度高,且耗时短。

应用于工控数据异常检测的改进TrAdaBoost迁移学习算法研究

为解决工业控制系统多场景异常检测模型迁移难题,提出了一种基于特征排序和遗传算法的TrAdaBoost迁移学习的工控异常检测算法。由于TrAdaBoost要求同维数,首先采用特征选择算法Lasso做特征排序,然后根据排序结果选择重要特征。其次,将源域与目标域数据分布情况与回补参数相结合更新样本权重,减少权重两极化情况。最后采用遗传算法对TrAdaBoost在目标域上基分类器数目进行参数优化,以提高算法在数据上的适应性。将算法在新加坡数据集和自建数据集上进行实验,使用源域数据集进行迁移实验后,正确率提高9.1%,该算法对知识迁移和样本不足的问题提出了更好的解决方案。

基于Gentle Adaboost的气密性检测系统

差压法气密性检测易受外部因素与预设参数影响。针对问题基于集成学习建立气密性检测系统,包含传感器终端数据采集系统、人机交互界面,并用最小二乘法对传感器进行线性拟合,利用Gentle Adaboost算法寻找每轮迭代中最佳弱分类器并更新下一轮样本权重,通过集成数轮迭代中最佳弱分类器组成强分类器,对被测物的气密性能进行判断。实验结果表明:所提系统在气密性检测中的准确度、精确度与召回率皆优于传统方法与单一分类模型,准确度达到99.8%,能有效克服外部因素对检测结果的影响,提高了差压法气密性检测的准确性与稳定性。

装配式建筑梁柱节点疲劳损伤检测方法研究

常规的装配式建筑梁柱节点疲劳损伤检测主要采用梁柱图像分析实现,忽略了节点内部损伤的影响,导致检测结果相对变化量系数与实际系数的差值较大。本文对装配式建筑梁柱节点疲劳损伤检测方法进行了研究,于装配式建筑梁柱周围布置测点对梁柱节点的应变状态进行分析;根据分析结果,结合梁柱内部能量耗散值,计算节点疲劳损伤能量系数;将该系数作为节点应变能密度因子分析节点轴向力,由此得出检测的梁柱节点疲劳损伤值。实验结果表明,所提方法应用后梁柱节点疲劳损伤检测结果表现出的相对变化量系数差值较小,检测结果准确率较高,满足了装配式建筑梁柱安全运维工作的现实需求。

一种基于AdaBoost模型的区块链异常交易检测方案

针对区块链系统加密货币交易记录中存在的盗币异常行为,文章基于Ada Boost模型提出一种具有隐私保护功能的异常交易检测方案。该方案采用加法同态加密和矩阵混淆技术,在有效识别并预测异常交易的同时,保证交易数据的隐私性。此外,在云外包环境中设计实现方案的底层协议,并证明了方案的正确性和隐私保护性质。与同类协议相比,该方案在保证隐私性的同时,具有较高的检测准确率和召回率,平均每条记录的检测时间为毫秒级,适用于真实加密货币交易的检测场景。

Adaboost检测和混合粒子滤波融合的多目标跟踪

针对多目标跟踪时因存在很多不确定性因素,而导致粒子滤波不能有效处理多模式的增长问题,首先,提出一种混合粒子滤波跟踪方法,通过混合权值的计算实现粒子间的相互关联,能有效地保持和处理多模式问题;其次,为了提高算法对数目变化的多目标跟踪处理能力,在混合粒子滤波跟踪算法中,又融入了Ada-boost检测算法,用动态模型和Adaboost检测信息合并成的混合观测模型构造似然函数,实现了一种能学习、检测和跟踪感兴趣目标的跟踪系统;最后,在刚性、非刚性以及数目变化的多目标视频序列中对算法进行测试,结果表明算法对数目变化的多目标能实现有效跟踪.

基于AdaBoost和分类树的贴片元件缺陷检测算法

针对PCB上贴片元件缺陷检测准确率低、效率低和缺陷类型不全面的问题,设计了一种基于AdaBoost和分类树的贴片元件缺陷检测系统。该系统可检测芯片引脚和电阻缺陷。首先,对采集到的图像进行拼接、校正、元件定位和去噪操作;其次,对贴片元件进行区域划分并提取子区域的形状特征、灰度特征和纹理特征;然后,利用AdaBoost算法将每个特征视为弱分类器,选取最优特征迭代形成强分类器并通过信号函数进行输出,实现每个缺陷都有其对应的特征码;最后,通过查询分类树实现缺陷分类。实验结果表明,相比于传统的图像处理缺陷检测系统,所设计的系统在检测缺陷多样化、检测速度和准确率上均具有明显优势。

基于AdaBoost和AAM的面部特征点检测技术研究

文章报告了面部特征点检测的现状,分析了AdaBoost算法的分类性能和AAM模型的建模特性。对面部特征点检测进行了研究,通过训练多个弱分类器并组合它们,提高了面部特征点检测的准确性和鲁棒性。利用AdaBoost强分类器识别的结果作为AAM模型训练的输入,提取面部特征点候选区域,降低了AAM模型重构次数,进一步降低了计算复杂度,尤其是在面部姿态和表情变化较大的情况下,提高了匹配的准确率。同时,AAM模型可以为AdaBoost提供一个更为精细的面部特征点定位,从而提高整体的面部特征点检测性能。

基于改进Adaboost算法的分布式光伏发电孤岛检测方法

由于分布式光伏发电具有随机性与不确定性,导致电力系统日常运行中极易出现孤岛效应,影响系统安全与稳定,文章提出基于改进Adaboost算法的分布式光伏发电孤岛检测方法。采集并预处理分布式光伏发电系统的PCC点电压信号,提取PCC点电压信号的小波包能量熵作为信号特征,构建改进的improved-Adaboost分类器,输入信号特征,输出分布式光伏发电孤岛状态的检测结果。实验结果表明:该设计方法不仅可以实现分布式光伏发电孤岛的100%正确检测,且能够满足相关标准对孤岛检测时间的要求。

基于改进YOLOv5的红花目标检测算法研究

为实现农业非结构环境下采摘机器人对红花的准确识别,提出了一种基于改进YOLOv5的红花目标检测算法。将CBAM注意力机制嵌入到YOLOv5网络,提高了小尺寸目标物在高层次特征中的表现力;建立一种Alpha-IoU目标位置损失函数对原损失函数GIOU存在的梯度消失问题进行改进,提高了被遮挡红花的预测率,并通过在目标检测网络中增加分割检测模块,提高宽和高小于最低像素的小目标物检测精度,利用图像扩增数据集对改进后的YOLOv5算法进行训练,再分别与改进前后YOLOv5网络和Faster R-CNN网络在不同红花品种、不同自然光照情况、不同天气条件和不同遮挡情况下进行对比。试验结果表明:改进后的YOLOv5算法P值、R值分别为90.45%和0.90,对非结构环境下盛开期的未采摘红花mAP值达到94.48%,在不同影响因素下都可以准确识别出红花且置信度较高,可为红花采摘机器人自动化作业中的红花识别提供技术支持。

激光诱导荧光技术与地下水重金属原位检测应用进展

对地下水重金属污染进行现场检测,是快速识别重金属种类和评价污染程度的重要手段。激光诱导荧光技术(LIF)利用特定荧光探针,在目标重金属存在下,通过激光诱导荧光探针产生/猝灭荧光,从而完成对重金属的识别和检测,具有快速甄别地下水重金属污染特性和无损获取其价态的优势。本文在简述LIF检测重金属原理和LIF原位检测地下水重金属装备基础上,重点从荧光探针合成及其在重金属传感检测方法的构建上总结了基于不同荧光探针的LIF现场检测重金属的研究进展。目前可用于重金属检测的荧光探针包括以小分子探针、有机大分子和聚集诱导发光为主的有机荧光探针和以金纳米簇、量子点和金属有机框架材料为代表的纳米荧光探针。这些探针的合成及其对应的传感检测方法的构建表明LIF技术在地下水重金属检测中具有巨大优势。而针对地下水重金属检测的LIF设备研发方面的成果虽不如荧光传感检测方法丰富,但已研制出部分重金属的传感器和检测装备,表现出良好的应用前景。未来研究将会聚焦在地下水重金属主控因子识别和抗干扰技术研发、荧光探针合成与LIF检测方法构建、重金属传感部件和检测装备集成研制,以及检测技术标准化,为后续场地地下水典型重金属LIF检测技术的研究提供参考。

结合决策树和AdaBoost的缓存侧信道攻击检测

缓存侧信道攻击严重威胁各类系统的安全,对攻击进行检测可以有效阻断攻击。为此,提出了一种基于决策树和AdaBoost的AD检测模型,通过匹配系统硬件事件信息特征,快速有效地识别缓存侧信道攻击。首先,分析缓存侧信道攻击特点,提取攻击硬件事件特征模式。其次,利用决策树的快速响应能力,同时结合AdaBoost对数据样本进行加权迭代,对采集的不同负载下的特征数据进行模型训练,优化检测模型在不同负载时的整体检测精度。实验结果表明,该模型在不同系统负载条件下的检测精度均不低于98.8%,能够快速准确地检测出缓存侧信道攻击。

基于红外热成像技术的隧道隐性渗漏检测研究

因隧道安装防火板,导致渗漏水隐蔽在防火板背后而不易被检测。红外热成像技术是一种非接触无损检测技术,因其对表面热辐射敏感而常用来测量表面温度场。基于红外热成像技术,研究了隧道隐性渗漏车载非接触式快速检测的可行性。结合某长江隧道,将红外热成像设备安置在车顶,对隧道内表面实施移动扫描拍照,并通过红外热力图准确识别既有渗漏点。为了进一步验证检测效果,人为在防火板表面涂湿模拟渗漏,该渗漏过程可以被准确识别。通过试验研究,表明红外热成像技术用于隧道隐性渗漏车载非接触式快速检测是可行性的。