【摘 要】
:
随机森林在bootstrap的基础上通过对特征进行抽样构建决策树,以牺牲决策树准确性的方式来降低决策树间的相关性,从而提高预测的准确性.但在数据规模较大时,决策树间的相关性仍然较高,导致随机森林的性能表现不佳.为解决该问题,提出一种基于袋外预测的改进算法,通过提高决策树的准确性来提升随机森林的预测性能.将随机森林的袋外预测与原特征相结合并重新训练随机森林,以有效降低决策树的VC-dimension、经验风险、泛化风险并提高其准确性,最终提升随机森林的预测性能.然而,决策树准确性的提高会使决策树间的预测趋于
【机 构】
:
复旦大学 计算机科学技术学院,上海 200082;广州大学 网络空间先进技术研究院,广州 510006
论文部分内容阅读
随机森林在bootstrap的基础上通过对特征进行抽样构建决策树,以牺牲决策树准确性的方式来降低决策树间的相关性,从而提高预测的准确性.但在数据规模较大时,决策树间的相关性仍然较高,导致随机森林的性能表现不佳.为解决该问题,提出一种基于袋外预测的改进算法,通过提高决策树的准确性来提升随机森林的预测性能.将随机森林的袋外预测与原特征相结合并重新训练随机森林,以有效降低决策树的VC-dimension、经验风险、泛化风险并提高其准确性,最终提升随机森林的预测性能.然而,决策树准确性的提高会使决策树间的预测趋于相近,提升了决策树间的相关性从而影响随机森林最终的预测表现,为此,通过扩展空间算法为不同决策树生成不同的特征,从而降低决策树间的相关性而不显著降低决策树的准确性.实验结果表明,该算法在32个数据集上的平均准确率相对原始随机森林提高1.7%,在校正的paired t-test上,该方法在其中19个数据集上的预测性能显著优于原始随机森林.
其他文献
传统模糊频繁项集合挖掘方法的挖掘范围较大,且无法预处理模糊频繁项集合,导致存在运行内存过大、应用有效性低的问题.因此提出新的间隔约束条件下的模糊频繁项集合挖掘方法.方法预处理模糊频繁项集合,修补缺损数据,并引入主成分分析法完成数据的降维,并为数据添加间隔约束条件,缩小挖掘范围.利用蚁群算法获取最优爬行路径,挖掘模糊频繁项集合.实验结果表明,与传统方法相比,所提方法运行内存小,挖掘有效性更理想.
传统方法在删除重复数据时逻辑顺序较为混乱,导致重复数据消除效果欠佳.为解决上述问题,基于文件路径,对信息集群中重复数据消除方法展开研究.根据重复数据消除方法分块理念与文件系统中的目录名称,探析文件路径的重复数据消除原理.通过分块筛选存储数据完成数据对比,从而去除数据备份并用指向唯一的实例指针代替.在界定元数据信息的基础上,对文件部分和数据块模块中的重复数据进行消除,并采用文件路径信息集群的多个存储节点来加快消除速度.同时,利用元数据信息赋予数据可恢复性能,确保数据的可靠性.仿真结果表明:上述方法不仅有效提
为了准确判断数据在传输过程中是否存在异常行为,实现异常行为的分级预警,提出面向工业控制系统的数据跨域传输异常预警方法.通过构建信息流模型,分析数据传输过程中的异常行为,归一化处理系统中的样本数据得到标准化小波系数.通过小波系数和样本数据总数计算得到预警标准阈值,将信息流模型与预警标准阈值相结合,共同实现对数据传输异常行为的监督,并结合模糊综合评判法获取数据跨域传输异常预警指标.将所有指标划分到相应的因素集中,得到异常预警矩阵,依据最大隶属度原则,对不同程度的异常行为设定不同的预警等级:无警、一级预警和二级
为确保冷链物流在缩减成本的同时满足农产品品质需求,以异构数据为基础,提出一种农产品冷链物流节点部署方法.基于可扩展标记语言文档,利用数据源模块、转变模块、集成模块以及应用模块,构建异构数据集成模型;根据集成的物流异构数据,架构冷链物流节点部署模型,采用粒子群优化算法进行求解,获取节点方位,通过分析影响寻优性能的极大速度与加速常数等指标参数取值范围,完善农产品冷链物流节点部署结果.仿真结果表明,所提方法的设计方案的配送成本与需求量满足度最优,具有较好的有效性.
传统嵌入式云计算系统信任度访问控制方法忽略了对节点信任度的计算,导致用户访问出现安全问题,异常访问情况下云计算系统信任度衰减速度过慢.为此提出基于汇聚负载的云计算系统信任度访问控制方法.利用模糊数学理论得到信任度评估等级,引入分组理念构建信任度模型.划分节点到不同小组,利用本地交易记录和推荐信任数据加权计算相同小组节点信任度.设置云计算系统服务质量参数,将同类型系统程序访问请求序列看作一个访问请求流,设立信任度访问控制收敛条件,并利用任意参数均值与方差优化收敛条件.最后建立信任度访问控制函数,实现准确快速
针对于场景识别问题,提出一种基于开源的室外场景数据集以及自定义采集的数据集在deepLabV3+深度学习模型上进行实验,并运用一种改进的K-近邻算法对DeepLabV3+深度学习模型进行优化.与现有的测试数据集的方法不同,省去了对数据集进行标签的工作,减少了大量的前期准备工作,提高了模型的计算效率以及分类模型的准确率和召回率.结果表明,使用K-近邻算法改进后的Deeplabv3+模型识别精度达到相0.75,较于直接使用Deeplabv3+模型进行语义分割的准确率0.65提高了0.1,并且得到了效果明显,在
针对风速序列不平稳难以预测的问题,提出了一种混沌麻雀搜索算法(CSSA)优化最小二乘支持向量机(LSSVM)参数的短期风速预测混合模型.模型结合样本熵(SE)和具有自适应噪声改进的互补集成经验模态分解(ICEEMDAN)、变分模态分解(VMD)两阶段分解的数据预处理方法.首先,利用ICEEMDAN分解原始风速序列,且依据SE评估子序列的复杂程度,重构熵值近似的序列,VMD二次分解熵值最大的序列.然后对所有子序列分别建立LSSVM预测模型,同时CSSA对该模型参数优化以提高预测效率.最后将预测的各子序列叠加
建筑空间结构对几何缺陷较为敏感,如果存在偏差容易造成结构承载力性能下降,可提出一种基于网格多密度的建筑空间尺寸偏差辨识方法.分析建筑空间辨识原理以组建建筑数据空间,并将数据空间进行一维分化处理,得到空间网格单元,依靠单元中数据点描述网格密度,利用单元内相邻边界与相邻点构建邻接单元.计算建筑空间中心坐标与核网格得到建筑空间的基类,凭借刚体运动学理论获得目标坐标向量数积,将该数据以矩阵的形式计算,得到建筑空间内某一轴转动与沿着某一轴移动的尺寸.最后通过莱茵达准则的基础理念,拟定不同的建筑空间坐标测量点,得到坐
为了准确预测城乡空间过渡带不同时期的时空演变趋势,设计基于移动窗口的城乡空间过渡带演变预测方法.运用GPS与电子罗盘采集目标区域边界点与校验点位置,利用前方交会原则验证边界点位置正确性,根据三角函数定理,在了解两个点坐标与方位角的基础上得到过渡带区域坐标值;选择斑块、景观优越度、土被适宜度等指标作为演变指标,引入Frag-stats3.4软件平台下的移动窗口,获得城乡空间过渡带变化特征;组建元胞自动机复合模型,通过邻近层次的两两对比建立评估矩阵,计算评估矩阵权重矢量,推导评估目标综合分数,将分数从高到低排
闪存因具有速度快、体积小等优点而广泛应用于数据存储领域,为提高NAND闪存的垃圾回收效率、延长闪存使用寿命,提出一种基于数据更新间隔的垃圾回收算法UIGC.计算闪存中空闲页的分散度,将其作为垃圾回收触发条件.从垃圾回收效率和磨损均衡效果2个方面出发,综合考虑块中无效页年龄累计和以及块中有效页比例,使用动态回收块选择和静态回收块选择相结合的策略来选择目标回收块,根据回收块中有效页数据更新间隔判断有效页热度,同时提出数据更新稳定性的概念来划分有效页的数据更新状态,将具有不同热度和更新状态的有效页数据分别存储在