| Нұсқа | 2.0 |
|---|---|
| Баспа | Luigi Rosa |
| Шығару күні | 2012 ж. 06 қар. |
| Қосылған күн | 2012 ж. 06 қар. |
| Os талаптары | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| Талаптар | Matlab |
| Жалпы жүктеулер | 659 |
| Бағасы | Free |
Сипаттама
Адамның бетінде адамдар арасындағы бейімделгіш әлеуметтік өзара әрекеттесу үшін әртүрлі ақпарат бар. Шындығында, адамдар бет-әлпетті жынысы, этникалық және жасы сияқты бірқатар басқа демографиялық сипаттамалармен бірге оның жеке басы бойынша санаттау үшін әртүрлі тәсілдермен өңдей алады. Атап айтқанда, адамның жынысын тану маңызды, өйткені адамдар жынысына қарай әртүрлі жауап береді. Бұған қоса, сәтті гендерлік жіктеу тәсілі көптеген басқа қолданбалардың, соның ішінде адамды тану және адам-компьютер интерфейстерінің өнімділігін арттыруы мүмкін.
Біз AdaBoost алгоритмі негізінде жынысты тану алгоритмін жасадық. Кез келген берілген оқыту алгоритмінің дәлдігін жақсарту үшін күшейту ұсынылды. Boosting біреуі әдетте жаттығу жиынында орташа өнімділіктен жоғары дәлдікпен жіктеуіш жасайды, содан кейін бірлескен шешім ережесі жаттығу жиынында ерікті түрде жоғары дәлдікке ие ансамбльді құру үшін жаңа құрамдас жіктеуіштерді қосады. Мұндай жағдайда жіктеу өнімділігі «арттырды» дейміз. Шолуда әдістеме құрамдас жіктеуіштердің ағымдағы жиынын ескере отырып, «ең ақпаратты» болып табылатын барлық оқу деректерінің ішкі жиынымен бірізді құрамдас жіктеуіштерді оқытады. AdaBoost (Adaptive Boosting) - оқытуды арттырудың әдеттегі данасы. AdaBoost бағдарламасында әрбір жаттығу үлгісіне оның кейбір жеке құрамдас жіктеуіш үшін таңдалу ықтималдығын анықтайтын салмақ тағайындалады. Әдетте, біркелкі болу үшін жаттығулар жиынтығы бойынша салмақтарды инициализациялайды. Оқыту процесінде оқыту үлгісі дәл классификацияланған болса, оның келесі құрамдас жіктеуіште қайта пайдалану мүмкіндігі төмендейді; керісінше, егер үлгі дәл жіктелмесе, онда оның қайтадан қолданылу мүмкіндігі артады.
Код 89,61% тамаша тану жылдамдығына (200 әйел суреті және 200 ер кескіні, 90% жаттығу үшін және 10% тестілеу үшін пайдаланылады, демек, 360 жаттығу кескіні және 40 сынақ кескіні бар) Стэнфорд медициналық студенттік бет деректер базасымен сыналған. жалпы кездейсоқ таңдалған және оқу және сынақ кескіндері арасында ешқандай сәйкестік жоқ).
Индекс терминдері: Matlab, дереккөз, код, жыныс, тану, сәйкестендіру, adaboost, еркек, әйел.
