《嵌入DCNN深度特征与半监督学习的二元梯度提升决策树》为作者：吴刚最新的研究成果，本论文的主要观点为在城市道路交通智能监控环境中，针对判别式目标跟踪遇到的瓶颈问题：在线分类在每一次的学习与更新过程中都可能会引入错误，最终错误的累积将导致跟踪失败。本文在样本相似性度量及半监督学习的基础上，提出一种基于梯度提升决策树在线分类框架上的目标跟踪算法，采用DCNN深度特征有效地表征待跟踪目标的初始状态，通过在线分类过程中样本相似性比对与半监督学习，有效解决在线学习过程中存在的自学习问题。所提目标跟踪DS-BGBDT算法特别适合训练样本为持续获得的、同时存储空间较小的机器学习过程，提高目标运动突变、跟踪区域形变与局部遮挡等复杂情况下的跟踪成功率。现欲投《计算机工程与科学》，不知是否符合录用要求，望您批评与指正。