论文部分内容阅读
为提高随机森林算法的分类精度,在分析影响随机森林算法分类精度的几个要素后,针对随机森林中决策树的多样性,提出基于计算节点匹配代价的方法对随机森林算法进行优化。通过对比随机森林中所有决策树的分支点和分支点属性,利用匈牙利算法计算出两个决策树节点间最高匹配代价,建立决策树间的相似度矩阵。在相似度矩阵的基础上,通过谱聚类算法对决策树进行聚类分析,保留每类决策树中Kappa系数最高的决策树构建新的随机森林,依据其自身的Kappa系数对判决结果进行加权处理。实验结果表明,聚类加权优化后的随机森林算法的分类精度优于传