基于学习的并行绘制系统中数据集增强算法

• 作者: 李文静
• 来源期刊: 现代计算机
• 关键词: 并行绘制系统 负载平衡 随机森林 训练集
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 研究与开发
• 页码范围: 17-20
• 页数: 4页
• 字数: 3710字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.09.004

摘要

并行绘制系统中,负载平衡是保证其绘制效率的关键因素.为了达到负载平衡,基于随机森林的并行绘制系统在绘制之前,利用训练好的随机森林模型来预测各个子屏的绘制时间,以此为依据找到负载平衡的划分方式.随机森林的预测好坏直接影响寻找平衡划分方式的时间,而想要获得一个预测准确度高的随机森林模型,一个好的训练集是必要因素.因此,基于系统的粗糙采样集,对于每个采样点,进行"邻域"(采样点周围的点)的寻找,再依据"邻域"进行重采样,以此增强训练集.经实验证明,利用该方法对数据集进行增强后,相比于用原始采样方法形成的同样大小的训练集,给随机森林的预测性能带来更大的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文静	四川大学计算机学院	10	2	1.0	1.0