一种加权的深度森林算法

• 作者: 宫振华 王嘉宁 苏翀
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 深度森林 多粒度扫描 级联森林 加权
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 算法
• 页码范围: 274-278
• 页数: 5页
• 分类号: TP3
• 字数: 3672字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.02.049

摘要

深度森林DF(Deep Forest)由多粒度扫描和级联森林两个部分组成.其中:多粒度扫描通过滑动窗口技术获取多个特征子集,以增强级联森林的差异性;级联森林则是将决策树组成的森林通过级联方式实现表征学习.因此,深度森林克服深度学习参数依赖性强、训练开销大以及仅适用于大数据集等不足之处.然而,深度森林中各个子树的预测精度是各不相同的,简单算术平均会导致子树的错误预测对整个森林的预测产生影响,进而随着级数增加,有可能使错误被进一步放大.为此,提出一种根据森林中每棵子树的预测精度进行加权的深度森林.在高维和低维数据集上进行实验,结果表明:加权的深度森林在高维和低维数据集上性能都获得一定提升,特别在高维数据集上优势较为明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王嘉宁	江苏科技大学电气与信息工程学院	6	7	2.0	2.0
2	宫振华		4	3	1.0	1.0
3	苏翀	江苏科技大学电气与信息工程学院	3	7	2.0	2.0