面向变化场景的远红外行人检测方法

    公开(公告)号:CN104239907A

    公开(公告)日:2014-12-24

    申请号:CN201410338632.9

    申请日:2014-07-16

    Abstract: 本发明公开面向变化场景的远红外行人检测方法,该方法基于Boosting-style的归纳迁移学习算法DTLBoost,从辅助数据中筛选样本扩展目标数据集。首先利用基于k近邻的样本重要性度量模型评估辅助数据与目标数据之间的相似度,为辅助数据中的不同样本分配相应的初始权重。在训练过程中,显式地定义成员分类器的预测不一致性程度,并结合当前成员分类器的预测错误率对辅助数据和目标数据样本的当前权重进行迭代更新,从辅助数据中筛选出具有正迁移能力的样本扩展训练集,并鼓励不同成员分类器学习目标数据的不同部分或方面。从而训练出泛化能力更强的集成分类器,增强新场景中行人检测的鲁棒性。

    一种面向因特网不平衡应用流的分类方法

    公开(公告)号:CN104102700A

    公开(公告)日:2014-10-15

    申请号:CN201410318598.9

    申请日:2014-07-04

    Inventor: 刘琼 刘珍

    CPC classification number: G06K9/6223 G06K9/6267

    Abstract: 本发明公开一种面向因特网不平衡应用流的分类方法,在对所收集的流量数据报文已完成组流、流统计特征值计算和类别标记,获得流样本以及流量数据集的基础上,通过聚簇算法划分数据集,形成多个密集且不相交的子集;针对子集流样本特征值,利用插值法扩充小类流样本;根据当前子集流样本间的近邻关系和流样本字节数制定大类流样本的欠采样规则;基于显式考虑集成多样性的boosting-style集成学习算法逐个训练集成分类模型;判断测试集流样本与各训练子集聚簇中心的距离,选择距离最近的聚簇中心所对应的集成分类模型分类流样本,并输出其所属的应用类别。本发明促成分类模型在不降低大类分类准确率的情况下,提高小类分类准确率和总体字节分类准确率。

Patent Agency Ranking