版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、傳統(tǒng)的分類算法在低維度的數(shù)據(jù)集上面能夠獲得比較理想的分類效果,但是在高維度的數(shù)據(jù)集上它的分類性能則會出現(xiàn)較大的下降。高維數(shù)據(jù)結(jié)構(gòu)復(fù)雜,包含更多的非信息和噪聲,隨機(jī)森林算法采用了特征子空間來構(gòu)建模型,所以構(gòu)建的模型難免會混雜很多的噪音,而利用這些包含噪音的模型進(jìn)行預(yù)測分類將會降低隨機(jī)森林算法的分類效果。所以如何從眾多的模型中選擇適合的模型,使隨機(jī)森林算法在低維和高維的數(shù)據(jù)集上都能擁有較好的分類性能成為本課題的重點(diǎn)研究問題。同樣隨著模型的增
2、多,計(jì)算量也呈現(xiàn)指數(shù)值的增長,如何提高模型的構(gòu)建以及預(yù)測速度,也是本課題的一個研究問題。
針對隨機(jī)森林的模型選擇以及海量并行化的模型構(gòu)建預(yù)測等問題,本課題進(jìn)行了深入的分析和研究,主要的研究內(nèi)容和研究成果如下所示:
首先,在對隨機(jī)森林算法的理論研究的基礎(chǔ)上,歸納和闡述了目前常用的隨機(jī)森林模型選擇方法,并且詳細(xì)地分析了這些方法的具體流程以及魯棒性,同時也研究了基于MapReduce框架的分布式并行化方法;
然后
3、,提出一種基于馬爾科夫鏈的隨機(jī)森林動態(tài)模型選擇方法,采用動態(tài)選擇的方式,融合隨機(jī)游走的馬爾科夫鏈思想,將模型、訓(xùn)練樣本集和測試樣本分成三層,通過分類器的個體強(qiáng)度計(jì)算、分類器相互之間的相關(guān)性計(jì)算、每個測試樣本與訓(xùn)練樣本集的相似性計(jì)算以及加權(quán)投票模型選擇四步來不斷進(jìn)行上層到中層(中層到上層)、下層到中層(中層到下層)以及同層到同層的循環(huán)迭代,最后實(shí)現(xiàn)隨機(jī)森林的動態(tài)模型選擇。根據(jù)不同的低維和高維數(shù)據(jù)集與常用的模型選擇方法進(jìn)行結(jié)果比較,證明了本
4、方法在 Out-of-Bag(OOB)誤差、算法強(qiáng)度、平均相關(guān)度、泛化誤差上界、分類準(zhǔn)確率分類等五個方面的優(yōu)勢;
接著,提出了基于MapReduce框架的隨機(jī)森林并行化方法,通過對隨機(jī)森林模型構(gòu)建以及投票的并行化進(jìn)行改進(jìn),提高了隨機(jī)森林算法的運(yùn)行效率;
最后,基于以上的研究成果,本文設(shè)計(jì)并實(shí)現(xiàn)了基于馬爾科夫鏈的隨機(jī)森林動態(tài)模型選擇及其并行化的原型系統(tǒng)。該系統(tǒng)包括數(shù)據(jù)輸入、參數(shù)配置、模型選擇、并行化調(diào)度接口等四個模塊,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 半監(jiān)督隨機(jī)森林分類算法及其并行化研究.pdf
- 基于Ⅳ屬性選擇的隨機(jī)森林模型研究.pdf
- 隨機(jī)森林算法處理不平衡數(shù)據(jù)的改進(jìn)及其并行化.pdf
- 隨機(jī)森林的特征選擇和模型優(yōu)化算法研究.pdf
- DDS并行模型及其形式化.pdf
- 基于關(guān)聯(lián)規(guī)則的隨機(jī)森林模型.pdf
- 基于隨機(jī)森林特征選擇的貝葉斯分類模型及應(yīng)用.pdf
- 基于隨機(jī)森林的遙感干旱監(jiān)測模型及其應(yīng)用研究.pdf
- 面向醫(yī)學(xué)數(shù)據(jù)的隨機(jī)森林特征選擇及分類方法研究.pdf
- 基于隨機(jī)森林的代價(jià)敏感特征選擇研究.pdf
- 隨機(jī)波動模型及其建模方法研究.pdf
- 一種改進(jìn)的隨機(jī)森林并行分類方法在運(yùn)營商大數(shù)據(jù)的應(yīng)用.pdf
- 優(yōu)化隨機(jī)回歸模型的選擇.pdf
- 模型選擇與模型平均方法的研究及其應(yīng)用.pdf
- 關(guān)于題組隨機(jī)效應(yīng)模型的模型選擇.pdf
- 基于PAC模型的并行關(guān)聯(lián)分析隨機(jī)算法.pdf
- 自然場景下基于局部模型的車體檢測及其并行化方法研究.pdf
- 基于組合策略的隨機(jī)森林方法研究.pdf
- 基于隨機(jī)森林和Spark的并行文本分類算法研究.pdf
- 基于加權(quán)決策樹的隨機(jī)森林模型優(yōu)化.pdf
評論
0/150
提交評論