基于RF_AdaBoost模型的血液种属鉴别算法

• 作者: 杨辉华 路皓翔 魏曼曼
• 来源期刊: 高等学校化学学报
• 学科: 化学
• 关键词: 拉曼光谱 随机森林 AdaBoost算法 集成学习 血液种属鉴别
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 分析化学
• 页码范围: 94-101
• 页数: 8页
• 分类号: O652
• 字数: 4806字
• 语种: 中文
• DOI: 10.7503/cjcu20190400

摘要

针对人类和非人类血液种属鉴别对无损、 高效分析方法的需求,结合随机森林(Random Forest)和AdaBoost(Adaptive Boosting Algorithm)算法,提出了一种血液种属鉴别方法(RF_AdaBoost).该方法将RF作为AdaBoost的弱分类器,以达到提高模型鉴别准确度,增强模型鲁棒性的目的.采用RF、支持向量机(SVM)、极限学习机(ELM)、核极限学习机(KELM)、堆栈自编码网络(SAE)、反向传播网络(BP)、主成分分析-线性判别法(PCA-LDA)及偏最小二乘判别分析(PLS-DA)与RF_AdaBoost模型进行对比,以不同规模血液拉曼光谱数据训练集进行鉴别实验评估其性能.结果表明,随着训练样本的增加,RF_AdaBoost鉴别准确度最高达100％,预测标准偏差趋于0.与其它模型相比,RF_AdaBoost具有较高的分类准确度及较强的稳定性,为血液种属的鉴别工作提供了新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨辉华	桂林电子科技大学计算机与信息安全学院	94	618	13.0	19.0
5	魏曼曼	桂林电子科技大学计算机与信息安全学院	2	0	0.0	0.0
6	路皓翔		1	0	0.0	0.0