سال انتشار: ۱۳۸۵

محل انتشار: دوازدهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۷

نویسنده(ها):

کیوان معقولی – استادیار دانشکده مه
محمدشهرام معین – استادیار، مدیر گروه چند رسانه ای، پژوهشکده فناوری اطلاعات، مرکز تحقی

چکیده:

در این مقاله روش جدیدی بر مبنایAdaBoost در زمینه سیستمهای مولتی مودال بیومتریک ارائه می گردد AdaBoost برای غلبه بر مشکل محدودیت داده های آموزشی در سیستمهای تک ساختاری ٣ بکار می رود که از ترکیب شبکه های عصبی مختلفی با نام "آموزش یافته های ضعیف" ٤ تشکیل می گردد. ساده ترین شبکه عصبی یعنی یک نرون تنها، نقش آموزش یافته های ضعیف را دارا می باشد. آزمایشات متعددی با تعداد تکرارها و ورودیهای متفاوت در این مقاله صورت پذیرفته است. نتایج بدست آمده ازساختار چندگانه ٥AdaBoost در قیاس با ساختارهای یگانه نتایج بهتری را ارائه می دهد. در مطالعه ساختار ابتدایی Soft ،AdaBoostطبق انتظار، نتایج حاصل به قوت نتایج بدست آمده از سیستم AdaBoost با حاشیه سخت نمی باشد. علت گرایش به سمت حاشیه نرم، حساسیت کمتر آن نسبت به نویز در قیاس با ساختار حاشیه سختAdaBoost می باشد. همچنین نتایج نهایی وابسته به مقدار اختیار شده برای ضریب ایجاد حاشیه نرم ( C) می باشد که اثر افزایش C در کاهش خطا به صورت تقریبا نماییملاحظه شده است.