AdaBoost算法理解基于世纪晟3D动态人脸识别实战学习

AdaBoost算法就是用一个数据多次训练一个弱的分类器，但是adaboost分类器主要关注那些以被分离器错分的数据。提高分类错误数据的权重，降低分对数据集的权重。最后把每个分类器集合到一起，然后进行测试。（注：关于这一部分的学习，主要来源于世纪晟科技3D动态人脸识别的实战练习。）

 

功能——

将分类性能不好的弱分类器提升为分类性能好的强分类器的学习算法

 

思想——

学习一系列分类器，在这个序列中每一个分类器对它前一个分类器导致的错误分类样例给予更大的重视

图是比较直观能够理解的，至于Harr-like特征之前也有谈到过，同时对于Haar-Like特征的快速计算也写过一篇，这部分可以结合起来一起学习。

 

输入——

1.训练用人脸和非脸样本

2.指定要挑选出来的弱分类器的数目T

这也是程序循环的次数 

3.利用先验知识初始化权值向量

一般可以平均设置