基于随机森林的乳腺癌计算机辅助诊断

为提高乳腺癌诊断的准确性,该文提出了一种基于随机森林算法的乳腺癌诊断方法。用UCI数据集提供的683例乳腺肿瘤患者进行了分类识别,5-折交叉验证结果表明,采用新方法检测乳癌平均准确率达到96.93%,优于概率神经网络识别方法,说明了其在乳腺癌计算机辅助诊断方面的可行性。     

改进随机森林在Android恶意软件检测中的应用

为解决Android恶意软件检测问题,提出一种利用多特征基于改进随机森林算法的Android恶意软件静态检测模型.模型采用了基于行为的静态检测技术,选取Android应用的权限、四大组件、API调用以及程序的关键信息如动态代码、反射代码、本机代码、密码代码和应用程序数据库等属性特征,对特征属性进行优化选择,并生成对应的...     

改进随机森林算法的图像分类应用

针对随机森林算法中节点分裂方式单一且相似的问题,提出一种改进节点分裂方式的优化算法,将算法中独立的节点分裂方式ID3与CART进行重新组合,通过自适应参数选择得到新的分裂规则,用于最优属性的选择划分并应用于图像分类问题.首先以词袋模型为基础,加入空间金字塔结构来提取图像特征,并将其量化成视觉词汇,最后结合Spark平台用改进节点分裂方式的随机森林算法实现图像分类.实验结果表明,通过选择组合算法的最优系数,该算法有效提高图像分类准确率,并保证算法运行效率.     

基于随机森林算法的电力电子互感器状态评估模型

互感器状态因受多种因素影响,导致评估指标权重重要程度的计算难度较大,因此,本文提出基于随机森林算法的电力电子互感器状态评估模型。通过提取电力电子互感器状态评估指标,利用随机森林算法精准计算评估指标的权重重要程度。综合指标的权重值,构建电力电子互感器状态评估模型。实验结果表明,利用随机森林算法设计的评估模型评估互感器的4种运行状态,其评估正确率均高于传统评估模型,达到了99%以上。由此可见,利用基于随机森林算法的互感器状态评估模型在评估互感器运行状态领域中具有很高的评估正确率,完全可以满足实际应用需求。     

基于改进随机森林算法的文本分类研究与应用

传统随机森林分类算法采用平均多数投票规则不能区分强弱分类器,而且算法中超参数的取值需要调节优化.在研究了随机森林算法在文本分类中的应用技术及其优缺点的基础上对其进行改进,一方面对投票方法进行优化,结合决策树的分类效果和预测概率进行加权投票,另一方面提出一种结合随机搜索和网格搜索的算法对超参数调节优化.Python环境下的实验结果表明本文方法在文本分类上具有良好的性能.     

基于随机森林与卷积神经网络的电力负荷预测研究

针对电力负荷预测模型中变量冗余与拟合性能不佳问题,提出了应用随机森林(RF)筛选最优输入变量并结合卷积神经网络(CNN)的电力负荷预测模型。实证显示,经RF变量优选后模型平均MAE减少2.49%,EMSE减少3.40%;基于CNN神预测模型的平均MAE与RMSE分别降低了1.33%、2.46%。采用RF与CNN集成的方法具有最高的预测精度,其MAE为3.46%,RMSE为4.08%,该模型性能优于其他组合方案,是电荷预测精准建模的一种可靠方案。     

基于随机森林的实体识别方法

实体识别是将一个或多个数据源中描述同一现实世界实体的数据对象分到同一组的过程,它 在数据清洗、数据集成、数据挖掘中起着至关重要的作用。然而,实体的特征具有随时间演化的特性,这使得实体识别面临巨大的挑战。传统的实体识别方法解决了特征随着时间规律性的改变问题,但没有考虑到数据的不规律变化。该文提出了基于分类的方法解决特征不规律演化的实体识别问题。该方法首先利用机器学习中改进的随机森林的方法计算记录的相似性,接着提出了一个新型的两阶段 聚类算法完成记录聚类过程,最后通过在真实数据集上的对比试验证明了该算法的有效性。通过在真实数据集上的实验,证明了该方法能够有效提高演化实体的识别准确性。     

基于随机森林的层次行人检测算法

针对视频和图像中快速、准确的行人检测问题,提出了一种分层次的、全局信息和局部信息相结合的行人检测算法.该方法以随机森林分类器为基础,利用图像金字塔模型融合行人的多层信息.首先,在低尺度空间利用主方向模板(DOT)特征和随机森林算法训练行人的全局分类器,第一层检测在低尺度空间中进行,找到行人的候选区域;然后,在高尺度空间提取图像块集合,基于部件随机森林训练行人的局部外观和几何约束模型;最后,基于上层的候选区域,在高尺度空间利用霍夫投票进行第二层精确检测.实验结果表明,该方法有更低的时间复杂度,并提升了行人检测的准确率,全局信息和局部信息的层次融合,能有效解决快速、准确的行人检测问题.     

基于改进FAHP的电力通信网可靠性评估方法研究

论文阐述了可靠性的一般评估方法,在借鉴TMN管理模型的基础上,对电力通信网可靠性进行了分层,构建了可靠性综合评估指标体系.为减少指标体系权重的主观性,提高评估结果的客观性和可信性,提出了一种改进的FAHP综合可靠性评估方法.该方法基于对数最小二乘法(LLSM)进行模糊权重计算,利用限位系数法来实现评估结果的解模糊过程,实例评估验证了该方法的有效性和可行性.最后对电力通信网可靠性的研究方向给出了建议.     

基于随机决策森林的循环展开方法

为提高编译器循环展开因子计算的准确性,提出一种基于改进的随机森林模型预测循环展开因子的方法。对传统随机森林模型进行加权的改进,为解决非平衡数据集问题提出基于SMOTE算法的BSC算法。从SPEC2006等测试集中提取近1000个循环并提取特征构成训练集,训练循环展开因子预测模型。生成的模型对于展开因子的预测准确度达81%,与编译器默认的循环展开方法相比,利用预测模型对选定的测试程序循环展开后性能平均提升12%。     

基于卫星的电力应急通信网

基于卫星的电力应急通信网是保障电力系统业务数据可靠调度的重要一环.根据电力调度数据网实际组网情况,提出了一种基于VAST卫星网络架构电力应急通信网的方案,实现了在地面传输链路发生变化时,数据业务能够在电力调度网和卫星网络之间自动切换及恢复的机制.最后,通过在贵州电力调度数据网的测试验证了该方案的可行性.     

基于改进聚类算法的电力通信网可靠性优化算法

随着电力通信网规模的逐渐扩大,已有电力通信网可靠性优化算法的计算时间复杂度较高。为此,提出了基于改进聚类算法的电力通信网可靠性优化算法。该算法首先采用模拟退火算法与遗传算法结合的FCM算法将大规模网络划分为多个社团。其次,通过社团间可靠性分析与备份方法、社团内可靠性分析与备份方法两个过程,对电力通信网的关键资源进行识别和备份,从而提升了电力通信网的可靠性。在仿真实验部分,从备份资源数量在总资源中的占比、网络连通度两个方面,将本算法与已有算法进行比较,验证了本文算法有效提升了电力通信网的可靠性。     

改进的随机森林算法在乳腺肿瘤诊断中的应用

为了解决乳腺肿瘤诊断中误差代价敏感的不平衡分类问题,提出一种改进的随机森林算法的乳腺肿瘤诊断模型。首先,在随机森林算法的基础上,将良恶乳腺肿瘤样本的诊断性能分开考虑,利用随机森林的泛化误差上界相关因素推导出ROC曲线的查全率(TPR)和误警率(FPR)的上界值。给出针对特定类别优化分类性能的基准,绘制出不同决策阈值下的TPR和FPR值的ROC曲线,调整平均关联度,再次训练,依据ROC曲线性能,确定最优平均关联度的诊断模型。最后,将该改进的随机森林算法与传统方法的诊断性能进行对比。实验结果证明,提出的方法模型在保证整体的诊断性能的前提下,对于提高恶性肿瘤的识别能力具有可行性和有效性。     

如何保障电力通信网的可靠性系数

自从爱迪生发明了电灯,我们的生活就越来越依赖电器,特别是已经基本实现现代化的时代。可以说,没有电,我们就无法在这个世界生活。因此,电力对于我们来说是很重要,我们要保障好电力系统的稳定,建立一个安全可靠的电力通信网,这样才能更好地管理电力系统,确保人们的用电安全。所以,以下是关于如何保障电力通信网的可靠性系数的研究。     

一种改进的随机森林在医疗诊断中的应用

快速地建立预测模型并且完成准确的分类在某些特殊的医疗诊断场合下具有重要的意义。从连续特征离散化入手,本文提出了一种改进的随机森林算法。之后使用改进的算法建立了分类模型,并在三个常用的医疗数据集上进行了实验。实验结果表明改进的随机森林算法不仅运行时间显著缩减,同时预测精度也得到了提升。更进一步的,初始的连续特征经过离散化之后变得简洁明了,这可以方便研究人员的理解。     

基于熵值模糊评判法的地域通信网脆弱性评估磁

地域通信网作为一种复杂网络系统,具有复杂性、模糊性和多变性等特性,对其脆弱性评估指标赋权时,如果主观性较强,就容易出现与实际数据不相符的现象。针对这一情况,提出将熵值模糊综合评判法应用于地域通信网脆弱性评估。依据地域通信网的实际情况,建立层次化的脆弱性指标体系,在此基础上建立模糊集合及隶属度矩阵。运用熵值法对评价指标进行赋权,依次得到各层指标模糊评价,求得评估结果的数值。该方法充分保证了评估指标权重的客观性,能够更准确、方便地描述地域通信网的脆弱性。     

基于DenseNet和随机森林的电力用户窃电检测

窃电作为配电网络非技术损耗的主要因素之一,不仅严重扰乱供电秩序,还会危害电网安全,造成供电企业甚至国家的重大损失.为了更高效地检测窃电情况,提出了一种新型的密集卷积神经网络和随机森林(DenseNet-RF)模型,基于该模型实现了电力用户窃电行为的检测.首先,分析了密集卷积神经网络(DenseNet)的结构;其次,将密...     

基于字符串随机率特征和随机森林算法的改进钓鱼网站检测系统

本文结合URL字符串随机率和URL字符特征,通过Wrapper方法筛选出一组新特征。通过对比不同机器学习算法的准确率,回归率等四个不同的指标,确定以随机森林算法构建了基于URL随机率和随机森林的钓鱼网站检测系统。本系统在实验测试集上表现出的准确率为96.49%,在全体实验数据集上表现的准确率为99.19%。实验相关结果表明,方案改进了钓鱼网站检测的准确率。