【技术实现步骤摘要】
本专利技术涉及一种判别设备、判别方法和计算机程序，其使用基于对象的特征量来 单独地判别对象的多个弱假设通过助推(boosting)来进行判别，并且通过助推来学习弱 假设。
技术介绍
通过样本学习获得的学习机包括许多弱假设和对这些假设进行组合的组合器。这 里，作为在不依赖于输入的情况下使用固定权重对弱假设的输出进行集成的组合器的例 子，提供了“助推”。在助推中，学习样本的分布被处理，使得通过使用以前生成的弱假设的学习结果 而增加不擅长制造错误的学习样本的权重，并且基于该分布执行新的弱假设的学习。因此， 产生了许多不正确答案并难以判别的学习样本的权重相对增加，并且弱判别器一个接一个 地被选择，使得正确的答案被给予具有重的权重、换言之即难以判别的学习样本。一个接一 个地执行弱假设在学习中的生成，并且稍后生成的弱假设依赖于较早生成的弱假设。这里，基于弱假设进行判别处理的弱判别器对应于“滤波器”，该滤波器使用某种 特征量根据输入而输出二元确定结果。一般地，当助推用作判别器时，常常使用判别与每个 维度无关的提取的特征量的阈值的弱假设的类型。然而，问题在于，许多弱假设对于产生...
【技术保护点】
一种判别设备，包括：特征量提取部，其从判别对象中提取特征量；以及判别器，所述判别器包括：被表达为贝叶斯网络的多个弱判别器，所述贝叶斯网络具有节点，向每个节点分配从所述特征量提取部输入的两个或更多所述特征量中的对应一个特征量；以及组合器，其组合通过所述多个弱判别器获得的所述判别对象的各个判别结果。
【技术特征摘要】
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。