摘要：AdaBoost是机器学习中比较流行的分类算法。通过研究弱分类器的特性,提出了两种新的弱分类器的阈值和偏置计算方法,二者可以使弱分类器识别率大于50%，从而保证在弱分类器达到一定数目的情况下，AdaBoost训练收敛。对两种阈值和偏置计算方法的仿真实验结果表明，在错分率降可接受的范围内，二者均使用较少的弱分类器便可获得高识别率的强分类器。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）