基于弱相关化特征子空间选择的离散化随机森林并行分类算法

• 作者: 朱赛 王啸岩 袁景凌 陈旻骋
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 随机森林 离散化 弱相关化特征子空间 并行分类
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 2015湖北省计算机学会年会
• 页码范围: 55-58,90
• 页数: 5页
• 分类号: TP311
• 字数: 4960字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.6.011

摘要

随着大数据时代的到来,数据信息呈几何倍数增长.传统的分类算法将面临着极大的挑战.为了提高分类算法的效率,提出了一种基于弱相关化特征子空间选择的离散化随机森林并行分类算法.该算法在数据预处理阶段对数据集中的连续属性进行离散化.在随机森林抽取特征子空间阶段,利用属性向量空间模型计算属性间的相关性,构造弱相关化特征子空间,使所构建的决策树之间相关性降低,从而提高随机森林的分类效果;并通过研究随机森林的并行化策略,结合MapReduce框架,改进并实现了随机森林模型构建过程的双重并行化,进一步改善了算法的计算效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁景凌	武汉理工大学计算机科学与技术学院	57	356	11.0	16.0
2	陈旻骋	武汉理工大学计算机科学与技术学院	10	49	3.0	7.0
3	王啸岩	武汉理工大学计算机科学与技术学院	3	10	2.0	3.0
4	朱赛	武汉理工大学计算机科学与技术学院	1	2	1.0	1.0