薛铭龙：基于改进随机森林算法的智能环境活动识别论文

本文主要研究内容

作者薛铭龙,李一博（2019）在《基于改进随机森林算法的智能环境活动识别》一文中研究指出：为使智能家居系统从传感器网络返回的数据中自动识别用户行为并生成个性化服务策略,提出一种引入惩罚项的随机森林算法。对每次迭代过程中使用的属性集设置不同的惩罚项因子,生成尽可能不同的决策树,从而兼顾集成算法的多样性与分类精度。在UCI、CASAS数据集上的实验结果表明,与传统集成分类算法Bagging、Adaboost相比,该算法具有更高的分类精度与噪声鲁棒性。

Abstract

wei shi zhi neng jia ju ji tong cong chuan gan qi wang lao fan hui de shu ju zhong zi dong shi bie yong hu hang wei bing sheng cheng ge xing hua fu wu ce lve ,di chu yi chong yin ru cheng fa xiang de sui ji sen lin suan fa 。dui mei ci die dai guo cheng zhong shi yong de shu xing ji she zhi bu tong de cheng fa xiang yin zi ,sheng cheng jin ke neng bu tong de jue ce shu ,cong er jian gu ji cheng suan fa de duo yang xing yu fen lei jing du 。zai UCI、CASASshu ju ji shang de shi yan jie guo biao ming ,yu chuan tong ji cheng fen lei suan fa Bagging、Adaboostxiang bi ,gai suan fa ju you geng gao de fen lei jing du yu zao sheng lu bang xing 。

论文参考文献

[1].机器学习随机森林算法的应用现状[J]. 杭琦,杨敬辉. 电子技术与软件工程.2018(24)

[2].一种面向非均衡分类的随机森林算法[J]. 沈智勇,苏翀,周扬,沈智威. 计算机与现代化.2018(12)

[3].随机森林在城市不透水面提取中的应用研究[J]. 赵艺淞,杨昆,王保云,黎晓路. 云南师范大学学报(自然科学版).2017(03)

[4].深度随机森林在离网预测中的应用[J]. 杨晓峰,严建峰,刘晓升,杨璐. 计算机科学.2016(06)

[5].基于随机森林的高光谱遥感图像分类[J]. 王婷. 数码世界.2017(05)

[6].随机森林是特点鲜明的模型,不是万能的模型[J]. 李欣海. 应用昆虫学报.2019(01)

[7].随机森林遥感信息提取研究进展及应用展望[J]. 于新洋,赵庚星,常春艳,袁秀杰,王卓然. 遥感信息.2019(02)

[8].基于随机森林特征选择的垃圾短信识别[J]. 赵志升,傅轩昂,靳晓松,刘洋. 电脑与信息技术.2018(06)

[9].基于随机森林回归的手臂末端力的软测量方法[J]. 熊鹏文,林虹,宋爱国,胡凌燕,陈大鹏. 仪器仪表学报.2017(10)

[10].基于随机森林和最小角回归的结构地震需求重要性度量分析[J]. 王秀振,钱永久,宋帅. 振动与冲击.2019(04)

论文详细介绍

论文作者分别是来自计算机工程的薛铭龙,李一博，发表于刊物计算机工程2019年05期论文，是一篇关于自动识别论文,集成学习论文,惩罚项因子论文,分类精度论文,噪声鲁棒性论文,计算机工程2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机工程2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。

本文来源: https://www.lw50.cn/article/78da3ee4ff65758eef962bd5.html