本文对比了Viola-Jones算法中使用的AdaBoost与经典的AdaBoost算法，在权重更新方面的不同之处，并指出尽管更新方式有所差异，但两种算法最终达到的效果相同。
1 算法介绍：
viola-jones论文的Adaboost：
经典Adaboost：
差别1：权重更新：
viola-jones论文的Adaboost权重变换：
a=log((1-e)/e)
判断正确的样本权重：W*(e/(1-e))
判断正确的样本权重：W（不变）
然后归一化。
经典Adaboost权重变换：
a=0.5*log((1-e)/e)
判断正确的样本权重：W*exp（-a）
判断正确的样本权重：W*exp（a）
然后归一化。
经典Adaboost的训练误差分析：
20180118更新 %%%%%%%%%%%%%%%%%%%%%%%%%
两者完全没有差别，最终结果是一样的
扫一扫
1007
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
