导读:本文包含了树形分类器论文开题报告文献综述及选题提纲参考文献，主要关键词:车辆识别,Haar-like特征,Adaboost分类器
树形分类器论文文献综述
黄飞[1]（2016）在《一种基于Haar-like特征和Adaboost树形分类器的实时车辆识别方法研究》一文中研究指出针对SVM分类器和Adaboost分类器存在识别性能不足和训练时间过长等问题,提出了一种基于Haar-like特征,并结合Adaboost树形分类器的实时车辆识别方法。在训练阶段,提取车辆样本集合中适合描述车辆表观的Haar-like特征,并将这些特征向量引入Adaboost算法中进行最优特征选择和强分类器的训练,最后利用强分类器构建一个决策树(也称为树形分类器)。该阶段进行多轮的反馈迭代训练,且不断添加新的样本以提高识别性能。在识别阶段,使用分类器对视频中的每一帧图像作多尺度遍历搜索,以判定车辆可能存在的区域。实验表明,本文提出的方法在识别性能上有所提高,同时可以有效缩短训练时间。(本文来源于《宿州学院学报》期刊2016年01期）
李广群,王志海,田凤占[2]（2007）在《一种基于AdaBoost方法的树形HNB组合分类器》一文中研究指出首先提出一种改造HNB后的新算法树形隐藏朴素贝叶斯(Tree-HNB)分类器,进而将该新算法和AdaBoost方法相结合,最后通过大量实验表明这种新的树形隐藏朴素贝叶斯组合分类器在大多数数据集上能够提高HNB的分类性能。(本文来源于《广西师范大学学报(自然科学版)》期刊2007年04期）
吴晶,陈淑珍[3]（2007）在《基于树形分类器的自适应镜头分割系统》一文中研究指出提出并实现了一种自适应的镜头分割系统。将镜头切换类型和影响镜头分割准确性的因素进行分类,把要处理的复杂情况看作是多类别的分类问题。每一级分类器处理的都是两类问题,根据分类的不同目的选择合适的算法将两类区分开。将这些分类器以树形结构结合起来,使系统的性能达到最优。选择了4个有代表性的广告视频片段进行实验。结果表明,自适应镜头分割算法可以适应不同的情况,同时检测突变切换和渐变切换,在保证检全率的基础上有效降低了误检率。(本文来源于《计算机工程》期刊2007年03期）
树形分类器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
首先提出一种改造HNB后的新算法树形隐藏朴素贝叶斯(Tree-HNB)分类器,进而将该新算法和AdaBoost方法相结合,最后通过大量实验表明这种新的树形隐藏朴素贝叶斯组合分类器在大多数数据集上能够提高HNB的分类性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
树形分类器论文参考文献
[1].黄飞.一种基于Haar-like特征和Adaboost树形分类器的实时车辆识别方法研究[J].宿州学院学报.2016
[2].李广群,王志海,田凤占.一种基于AdaBoost方法的树形HNB组合分类器[J].广西师范大学学报(自然科学版).2007
[3].吴晶,陈淑珍.基于树形分类器的自适应镜头分割系统[J].计算机工程.2007
标签：车辆识别; Haar-like特征; Adaboost分类器;