摘要：針對(duì)AdaBoost算法通過(guò)最小化訓(xùn)練錯(cuò)誤率來(lái)選擇弱分類器造成的精度不佳問(wèn)題以及單閾值作為弱分類器訓(xùn)練過(guò)程較慢難以收斂問(wèn)題,提出了一種基于擬合型弱分類器的Ada Boost算法。首先針對(duì)每個(gè)特征,在特征值與標(biāo)記值之間建立映射關(guān)系,引入最小二乘法求解擬合多項(xiàng)式函數(shù),并轉(zhuǎn)換成離散分類值,從而獲得弱分類器。其次從獲得的眾多弱分類器中,選擇分類誤差最小的弱分類器作為本輪迭代的最佳弱分類器,構(gòu)成新的Ada Boost強(qiáng)分類器。與傳統(tǒng)訓(xùn)練算法相比,極大地減少了待選弱分類器的個(gè)數(shù)。選取UCI數(shù)據(jù)集和MIT人臉圖像數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)驗(yàn)證,相較于傳統(tǒng)Discrete-AdaBoost算法,改進(jìn)算法的訓(xùn)練速度提升了一個(gè)數(shù)量級(jí),人臉檢測(cè)率可達(dá)96.59%。