一种基于相似性度量和动态加权投票的随机森林算法

• 作者: 刘李姣 赵庶旭 马秦靖
• 来源期刊: 测试科学与仪器
• 学科: 工学
• 关键词: 随机森林 混淆矩阵 相似性度量 动态加权投票
• 年，卷（期）: 2019,（3）
• 页码范围: 277-284
• 页数: 8页
• 分类号: TP312.8
• 字数: 700字
• 语种: 英文
• DOI: 10.3969/j.issn.1674-8042.2019.03.011

摘要

随机森林模型易于理解,普适性强,常用于分类、预测等问题,但其采用无选择性集成和简单的少数服从多数投票原则进行最终结果判定,忽略了模型中各决策树之间的强弱差异,从而降低了模型的预测精度.针对该缺陷,提出了一种基于混淆矩阵的改进随机森林模型(Ramdom forest model based on confusion matrix,CM-RF).在构建模型过程中通过相似性度量有选择性地构成决策树簇,并在最终投票环节使用动态加权投票融合方法进行结果输出.实验结果表明,该方法能减少低性能决策树对输出结果的影响,从而提升随机森林模型的正确率与泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵庶旭	兰州交通大学电子与信息工程学院	39	124	6.0	8.0
2	马秦靖	兰州交通大学电子与信息工程学院	1	0	0.0	0.0
3	刘李姣	兰州交通大学电子与信息工程学院	1	0	0.0	0.0