5,1 случая фона
5.1.1 модель BP_Adaboost
Мысль AdaBoost алгоритма состоит в объединении множества «слабого» выходом классификатора, чтобы произвести эффективную классификацию. Основные шаги заключаются в следующем: Во-первых, слабый алгоритм обучения и выборочное пространство ($ X $, $ Y $), чтобы найти $ обучающего набора данных $ м от образца пространства, вес каждого обучения веса данных $ \ гидроразрыва {1 } {т} $. Затем обращать больше внимания на этих людей, когда обучение со слабым алгоритмом обучения итерации $ T $ раз, каждый раз после операции в соответствии с результатами классификации, обновляемых распределение веса подготовка данных для категорического отказа индивидуального обучения данного больший вес, следующей итерации. Слабый классификатор получен Категория Функция Sequence $ {f_1}, {f_2}, ..., {f_T} $, каждая категория присваивается весовой функции с помощью итераций, функция улучшения результатов классификации, что соответствует весу больше. После того, как $ T $ итераций, конечные сильные классификаторы, полученные с помощью функции $ F $ функции взвешенных слабых классификаторов. BP_Adaboost нейронной сетевая модель ВР как слабый классификатор, повторное обучение BP выход образца нейронной сети прогнозирования, сильный классификатор, чтобы получить множество слабых классификаторов BP нейронной сети, состоящей по алгоритму AdaBoost.