0

问题是关于结合检测器的输出概率。我的每个检测器 d_i 都给了我场景中物体存在的概率 p_i。我有一个标记的数据集,我想学习检测器的加权组合以获得(更准确的)全局检测器。

我可以使用哪些算法来解决此类问题?我想比较不同的方法。作为第一步,权重可以是固定的学习值。然后,例如根据时间上下文使它们自适应会很好。

感谢您的想法。

4

1 回答 1

1

一个好的起点是加权多数算法,它根据检测器在数据集上的相对性能为检测器开发权重。该算法有多种变体,其中一些可以处理随时间漂移的目标。

如果您的检测器都是同一模型的所有实例(具有不同的参数),您还可以查看各种集成学习算法,尽管如果您对比较基本算法的相对性能感兴趣,这些可能不太适用。

于 2013-07-15T14:03:31.240 回答