基于改进随机森林算法的智能环境活动识别

• 作者: 李一博 薛铭龙
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 自动识别 集成学习 惩罚项因子 分类精度 噪声鲁棒性
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 149-154
• 页数: 6页
• 分类号: TP391
• 字数: 4892字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0049940

摘要

为使智能家居系统从传感器网络返回的数据中自动识别用户行为并生成个性化服务策略,提出一种引入惩罚项的随机森林算法.对每次迭代过程中使用的属性集设置不同的惩罚项因子,生成尽可能不同的决策树,从而兼顾集成算法的多样性与分类精度.在UCI、CASAS数据集上的实验结果表明,与传统集成分类算法Bagging、Adaboost相比,该算法具有更高的分类精度与噪声鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李一博	天津大学精密仪器与光电子工程学院	69	717	16.0	25.0
2	薛铭龙	天津大学精密仪器与光电子工程学院	1	0	0.0	0.0