پیاده سازی موازی الگوریتم adaboost با استفاده از جعبه ابزار محاسبات موازی matlab

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,522

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCSCIT02_135

تاریخ نمایه سازی: 17 اردیبهشت 1391

چکیده مقاله:

یکی از روشهای پرکاربرد ADAboost ترکیب طبقه بندها درشناسایی الگو می باشد از آنجا که پیچیدگی محاسباتی این الگوریتم درمرحله یادگیری بسیار زیاد است پیاده سازی موازی آ ن می تواند کمک زیادی به بهبود کارایی این الگوریتم کند بنابراین دراین مقاله سعی شده است با استفاده از جعبه ابزار محاسبات موازی matlab الگوریتم به گونهای تغییرداده شود تا بخشهایی از آن که قابلیت موازی سازی دارد به طور همزمان برروی کلاستری از رایانه ها اجرا شود به این ترتیب سرعت یادگیری داده های آموزش و بدست آوردن طبقه بند ترکیبی در مقایسه با نمونه ترتیبی آن بیشتر خواهد بود.

کلیدواژه ها:

موازی سازی ، جعبه ابزار محاسبات موازی matlab ، طبقه بندی ، adaboost اشکارسازی چهره

نویسندگان

حسین ابراهیم پور

استادیار دانشگاه کاشان

اعظم اصیلیان بیدگلی

دانشجوی کارشناسی ارشد دانشگاه کاشان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • R. Schapire and Y. Freund, "A short introduction to boosting, ...
  • P. Viola and M. Jones, "Rapid Object Detection Using a ...
  • K. Zeng, Y. Tang, and F. Liu, "Parallization of Adaboost ...
  • A. Lazarevic and Z. Obradovic, "Boosting algorithms for parallel and ...
  • U. Bagci and L. Bai, "Parallel AdaBoost algorithm for Gabor ...
  • _ and J. _ _ A _ _ _ International ...
  • P. Viola and M Jones, "Robust real-time object detection, " ...
  • P. S. Carbonetto, "Robust object detection using boosted learning, " ...
  • نمایش کامل مراجع