针对基于PSO的AdaBoost算法(PSO-AdaBoost)的不足，分析了传统目标函数不能适应多个弱分类器拥有相同最小错误率时弱分类器的选择问题，提出了解决这一问题的有效方法。新方法使用特征值和阈值的绝对值差衡量错分样本的错误程度，结合相对熵理论形成PSO算法的适应度函数，使其根据错分样本的错误程度挑选最佳弱分类器。实验结果表明，所提算法具有较高的检测率和较小的泛化错误。