基于BLB方法的隨機(jī)森林算法研究及應(yīng)用.pdf

1、隨機(jī)森林是以決策樹(shù)作為基分類(lèi)器的集成分類(lèi)算法，它是將Bagging算法與隨機(jī)子空間結(jié)合起來(lái)進(jìn)行分類(lèi)的方法，廣泛應(yīng)用于社會(huì)生活的諸多領(lǐng)域來(lái)解決各種分類(lèi)問(wèn)題。雖然許多學(xué)者對(duì)隨機(jī)森林進(jìn)行了廣泛的研究，并取得了顯著成果，但隨機(jī)森林分類(lèi)算法仍然存在一些局限和不足，在其理論和應(yīng)用方面有待進(jìn)一步研究。本文主要研究了一種新的基于Bag of Little Bootstraps（BLB）的隨機(jī)森林算法，并將該算法應(yīng)用于文本分類(lèi)中。文章共有五部分。

2、　　第一章主要介紹了論文的研究背景、意義以及國(guó)內(nèi)外研究現(xiàn)狀，并提出了本文的主要研究工作。
　　第二章預(yù)備知識(shí)，主要對(duì)決策樹(shù)、隨機(jī)森林等基本概念和相關(guān)分類(lèi)方法做了簡(jiǎn)單介紹，并簡(jiǎn)要介紹了文本分類(lèi)方法。
　　第三章研究分析現(xiàn)有隨機(jī)森林分類(lèi)算法，針對(duì)其不足，提出基于BLB的隨機(jī)森林算法。在該算法中首次將BLB方法應(yīng)用于隨機(jī)森林的生成過(guò)程中，使得該算法特別適用于大數(shù)據(jù)集的分類(lèi)，解決了原有算法運(yùn)行效率不足的問(wèn)題；為預(yù)防隨機(jī)森林算法出現(xiàn)的

3、近似平局現(xiàn)象，在該算法中，對(duì)決策樹(shù)的加權(quán)方式做了進(jìn)一步改進(jìn)。此外，將本章提出的算法應(yīng)用于文本分類(lèi)中，建立了基于BLB的隨機(jī)森林文本分類(lèi)模型，并給出了相應(yīng)算法。
　　第四章針對(duì)文本分類(lèi)做了數(shù)值試驗(yàn)，與原有算法的數(shù)值實(shí)驗(yàn)結(jié)果做了比較，結(jié)果表明了本文提出的算法在計(jì)算效率和分類(lèi)準(zhǔn)確度上都有一定提高，并較為有效解決了原有方法出現(xiàn)的近似平局現(xiàn)象。在改進(jìn)的隨機(jī)森林算法與Rocchio文本分類(lèi)算法、神經(jīng)網(wǎng)絡(luò)文本分類(lèi)算法這兩種運(yùn)用比較廣泛的文本分類(lèi)