科研之友
微信
新浪微博
Facebook
分享链接
摘要
粒计算是一种符合人类认知特性的计算范式，能够有效处理复杂数据.随机森林通过集成多个决策树来降低单个决策树的过拟合风险，但仍存在一定的过拟合问题.为了减少过拟合并提高分类性能，本研究在随机森林中引入了粒向量表示，提出了基于粒向量的随机森林分类算法.粒向量具有表示高维特征的能力，可以捕捉更多的数据模式;参照样本选择的随机性有助于控制过拟合;不同决策树使用不同的粒向量可以增加模型的多样性.实验结果表明，与传统随机森林以及其他改进算法相比，基于粒向量表示的随机森林算法具有较好的泛化能力，有效提高了分类的准确率，表明了基于粒向量的随机森林分类算法的正确性与有效性.
- 单位
