本发明涉及数据处理，尤其涉及基于adaboost算法的智能抽样目标检测方法。
背景技术：
1、在省管产业单位电商化采购专区物资质检过程中，现有技术一般采用人工抽样质检，但此种质检方式存在一定的不足，在质检过程中，人工质检可能会存在不随机性，人工干预的趋势可能存在，影响质检效果，同时，人工质检的工作留痕效果可能不高，不便于后续的信息管理和分析。
技术实现思路
1、本发明的目的是为了解决上述背景技术中提出的问题，而提出的基于adaboost算法的智能抽样目标检测方法。
2、为了实现上述目的，本发明采用了如下技术方案：
3、基于adaboost算法的智能抽样目标检测方法，包括以下步骤：
4、步骤s1、利用adaboost算法构造逐级处理结构；
5、步骤s2、使用步骤一中构造的逐级处理结构检测目标；
6、所述逐级处理结构包括抽检计划模块、样品收集模块和质检结果处理模块。
7、优选地，所述步骤s1中构造逐级处理结构的步骤为：
8、步骤s101、确定总误识别率f、总检测率d和分级处理层数l；
9、步骤s102、由总误识别率f、总检测率d和分级处理层数l确定每层的最大误识别率、每层的最大检测率；
10、步骤s103、构造每一层的分类器hl(x)；
11、步骤s104、通过步骤s103中得到的分类器hl(x)构造逐级处理结构。
12、进一步地，所述步骤s102中每层最大识别率为f，所述最大识别率f的计算公式为：
13、
14、更进一步地，所述步骤s102中每层最大检测率为d，所述最大检测率d的计算公式为：
15、
16、还进一步地，所述步骤s102在确定时，取一组训练集(x1，y1)，…，(xn，yn)，其中xi为样本物料，yi为所属物料小类。
17、更进一步地，所述hl(x)的计算公式为：
18、
19、进一步地，所述抽检计划模块用于管理质检过程中的抽检计划环节，包括筛选商品明细、抽取样品明细、下发抽检计划。
20、更进一步地，所述样品收集模块用于管理质检过程中的取样、封样、送样及收样。
21、再进一步地，所述质检结果处理模块用于质检结果管理，包括结果反馈和结果处理。
22、与现有技术相比，本发明提供了基于adaboost算法的智能抽样目标检测方法，具备以下有益效果：
23、本发明在多个环节引入系统自动管控，规范了质检业务的操作流程，同时规避了人为操作所带来的风险隐患；
24、本发明还以全流程线上化的方式实现对整体质检过程的监督，既保证了对公开信息的透明化，同时也可满足对保密信息的隐私化；
25、本发明以线上系统代替线下手工，可实现数据的结构化存储，加强对质检数据的管理程度，加强质检数据的分析能力。
1.基于adaboost算法的智能抽样目标检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于adaboost算法的智能抽样目标检测方法，其特征在于，所述步骤s1中构造逐级处理结构的步骤为：
3.根据权利要求2所述的基于adaboost算法的智能抽样目标检测方法，其特征在于，所述步骤s102中每层最大识别率为f，所述最大识别率f的计算公式为：
4.根据权利要求3所述的基于adaboost算法的智能抽样目标检测方法，其特征在于，所述步骤s102中每层最大检测率为d，所述最大检测率d的计算公式为：
5.根据权利要求4所述的基于adaboost算法的智能抽样目标检测方法，其特征在于，所述步骤s102在确定时，取一组训练集(x1，y1)，…，(xn，yn)，其中xi为样本物料，yi为所属物料小类。
6.根据权利要求5所述的基于adaboost算法的智能抽样目标检测方法，其特征在于，所述hl(x)的计算公式为：
7.根据权利要求1所述的基于adaboost算法的智能抽样目标检测方法，其特征在于，所述抽检计划模块用于管理质检过程中的抽检计划环节，包括筛选商品明细、抽取样品明细、下发抽检计划。
8.根据权利要求7所述的基于adaboost算法的智能抽样目标检测方法，其特征在于，所述样品收集模块用于管理质检过程中的取样、封样、送样及收样。
9.根据权利要求8所述的基于adaboost算法的智能抽样目标检测方法，其特征在于，所述质检结果处理模块用于质检结果管理，包括结果反馈和结果处理。
