基于正则化Adaboost的红外目标识别

摘要：

对于高维特征空间的分类,Adaboost算法是一种有效的分类算法。然而,如果把Adaboost算法直接运用到红外目标的识别,就会面临高噪声下的Adaboost过拟合问题。采用正则化后的Adaboost算法,即Adaboost<,KL>算法作为分类算法的学习模型,以NaiveBayes作为弱学习器,提出了基于正则化Adaboost的红外目标识别算法。通过实验,验证了此算法,则即使面对高噪声的红外数据,也能获得较好的识别效果。

关键词： 红外目标 目标识别 Adaboost算法 高维特征空间

作者: 杨杰 凌建国 刘尔琦

作者单位: 上海交通大学图像处理与模式识别研究所,上海 200240 航天科工集团第二研究院,北京 100854

会议类型: 国内会议

会议名称: 2007年光电探测与制导技术的发展与应用研讨会

会议地点: 长沙

会议语种:中文

页码: 12-16

在线出版日期: 2007-10-01（万方平台首次上网日期，不代表论文的发表时间）