| 题名 | 随机森林改进的若干研究; Several Research on Random Forest Improvement |
| 作者 | 李贞贵 |
| 答辩日期 | 2014 ; 2014 |
| 导师 | 罗林开 |
| 关键词 | 随机森林 相似度矩阵 分类间隔 加权 Random Forest Proximity Matrix Classification Margin Weighting |
| 英文摘要 | 在机器学习领域，随机森林是一种重要和常见的数据挖掘方法。随机森林不 仅具有很高的分类性能，而且具有需要调整的参数较少、运算快速高效、不用担 心过拟合以及较强的容忍噪声能力等特点。随机性能良好的性能使得其在智能信 息处理、生物信息学、金融学、故障诊断、图像识别、工业自动化等领域得到了 广泛的应用并取得巨大的成功，吸引了人们的广泛关注。 虽然许多学者对随机森林进行了广泛的研究，并且取得了许多显著的成果， 但是随机森林仍然存在一些局限和不足，拥有一些可改进的空间。 本文首先对随机森林样本相似度的计算方式进行改进，提出了样本相似度计 算的改进算法。与原始方法相比，改进方法增加了叶子节点...; In the field of machine learning, random forest is an important and common method of data mining. Random forest not only has the very high classification performance, but also has less parameters to adjust , fast and efficient operations, doesn't have to worry about fitting and has strong ability to tolerate noise, etc. The good performance of the random forest makes it widely used in intelligent ...; 学位：工学硕士; 院系专业：信息科学与技术学院_模式识别与智能系统; 学号：23220111153233 |
| 语种 | zh_CN |
| 出处 | http://210.34.4.13:8080/lunwen/detail.asp?serial=46425 |
| 内容类型 | 学位论文 |
| 源URL | [http://dspace.xmu.edu.cn/handle/2288/84425]  |
| 专题 | 信息技术－学位论文 |
| 推荐引用方式 GB/T 7714 | 李贞贵. 随机森林改进的若干研究, Several Research on Random Forest Improvement[D]. 2014, 2014. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论