基于特征重要性加权的随机森林点云分类研究

作者：吴冬; 阎卫东; 王井利^*

来源：电子测量技术, 2023, 46(20): 120-127.

DOI：10.19651/j.cnki.emt.2312627

• 点云分类
• 随机森林
• 不一致度量
• 特征重要性
• 加权投票

针对传统的随机森林模型构建时样本选取的随机性导致随机森林中包含了大量分类精度较低、分类性能相似的决策树分类器，进而影响整体随机森林模型分类精度与效率的问题，该文提出了一种基于特征重要性加权投票的随机森林算法。从决策树分类精度、不一致度量两方面剔除分类精度较低、分类性能相似的决策树，依据整体随机森林与单棵决策树特征重要性之间的相似性，计算每棵决策树的投票权重，提高了三维点云分类精度与分类效率。实验表明，改进后的随机森林分类算法照比传统的随机森林、支持向量机、决策树、神经网络、基于点特征分类方法分别提高了0.20%、15.159%、5.893%、6.316%、28.935%。在分类效率上，改进的随机森林照比传统的随机森林减少了约75%的时间。

• 单位
  土木工程学院; 沈阳建筑大学