基于高维特征聚类优化的随机森林算法研究

作者：王博^*; 庄暨军; 熊军; 罗小臣

来源：井冈山大学学报(自然科学版), 2022, 43(05): 52-56.

• 高维特征
• 特征聚类
• 随机森林

针对传统的随机森林算法（RF）在对高维特征数据集计算速度慢、聚类效果不佳的缺陷，提出了一种基于高维特征聚类的随机森林算法（HDFC-RF），首先用传统RF方法对初始高维数据集聚类后，使用K均值聚类（KM）和模糊C-均值（FCM）结合，计算样本相似度，并对聚类特征划分族群，最后通过计算DBI指标，并与相关性阈值δ比较和排序，得到最终的高维特征序列。将HDFC-RF算法应用于高维特征数据集ColonTumor，与传统的RF和FSRF算法比较。实验结果表明，HDFC-RF算法对于高维特征的数据集具有更好的聚类效果、训练速度也更快，具备良好的可行性。

• 单位
  井冈山大学