事实上:Discrete AdaBoost是指,弱分类器的输出值限定在{-1,+1}，和与之相应的权值调整，强分类器生成的AdaBoost算法；Real AdaBoost是指，弱分类器输出一个可能度，该值的范围是整个R, 和与之相应的权值调整，强分类器生成的AdaBoost算法。事实上，Discrete到Real的转变体现了古典集合到模糊集合转变的思想

Logit和Gentle算法是由同一个人提出的，他认为adaboost实际上是一个寻优过程，然后用运筹学里的两种不同的寻优方法提出了logit和 gentle，logit是自适应的牛顿法，gentle是用的牛顿步长法。作者认为，logitAdaBoost在每一轮中都使目标最优,会使训练样本 的代表性下降。然后这位作者的这篇文章被几位大牛批了一遍...具体见Discussion of the Paper Additive Logistic Regression A Statistical View of Boosting by Jerome Friedman, Trevor Hastie and Robert Tibshirani

另外，值得一提的是
1、2004年, Bo WU & Haizhou AI & Chang HUANG & Shihong LAO在Computer Society上发表文章Fast Rotation Invariant Multi-View Face Detection Based on Real AdaBoost.提出了使用Real Boost检测旋转人脸，获得了很好的效果
2、2002年, Rainer Lienhart & Alexander Kuranov & Vadim Pisarevsky 在MRL Technical Report上发表Empirical Analysis of Detection Cascades of Boosted Classifiers for Rapid Object Detection. 通过试验得出结论,在人脸检测上Gentle AdaBoost的效果要好于 Discrete 和 Real。这也是Opencv里为什么要用Gentle的原因吧