《表1 UCI实验数据集：基于拟合型弱分类器的AdaBoost算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于拟合型弱分类器的AdaBoost算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证本文算法的改进效果，在UCI数据集上选取5组实验数据集，分别为Sonar、CMC、Mushroom、Credit-g、Cylinder-bands。在Matlab上应用传统Discrete-Ada Boost算法、Real-AdaBoost算法和本文改进算法进行实验，采用交叉验证方式进行训练测试，随机取4/5的数据集用作训练，剩余1/5用作测试。设置算法训练的迭代次数分别为30次、60次、100次，改进算法采用一阶、二阶、三阶多项式拟合。样本实验数据集见表1。