結合資料增強與多特徵空間的自適應提升模型

Abstract

自適應提升演算法，是提升演算法中一個非常經典的傑作，它的驚人能力已經被驗證多年。它會透過將多個弱分類器有順序性的訓練，並使用先前訓練中所得到的錯誤來幫助新的分類器，盡可能的使其不要再犯相同的錯誤，並且能夠使這些訓練好的弱分類器同心協力，互相互補，進而成為一個更強的分類器。然而隨著時間的推移，近幾年來陸續有各式各樣關於機器學習的不同想法被提出，或許乍看之下這些新的想法與自適應提升演算法並無關連，但我們認為其中有些其實是可以融合進原本的自適應提升演算法中，並且讓其變得更好的。 舉例來說，使用多個不同的特徵空間來訓練，以及近年來非常火紅的資料增強技術，在我們的認知中，便還未有人將其與自適應提升演算法一同討論。因此我們在本篇論文中提出了一個可以使用多個不同特徵空間，以及加入了資料增強來輔助的自適應提升演算法架構。並且，我們分別對圖像，文字等不同屬性的資料在多個資料集中進行了實驗，而透過實驗我們發現，使用多個不同的特徵空間，確實能夠對分類帶來助益，同時資料增強的技術也能輔助自適應提升演算法，使其有更好的結果。