融合改进K近邻和随机森林的机器学习方法

摘要：

对K近邻和随机森林学习方法进行改进,提出一种融合的机器学习方法.通过计算待分类特征与训练库中各个类中心之间的距离,进行最近邻分类,增强K近邻学习方法的鲁棒性,提高其运算效率;通过随机划分将改进KNN分类器的多元输出转化为二元输出,用其构建随机森林中各个决策结点的决策函数,降低各决策结点数据的错分率,提高随机森林学习方法的目标分类正确率.实验结果表明,该方法对手写数字目标的分类正确率高于经典的K近邻、Adaboost、支持向量机和随机森林学习方法.

关键词：机器学习、K近邻、随机森林、支持向量机、目标分类

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：中国博士后科学基金面上基金项目2014M560730;四川省科技厅应用基础基金项目2015JY0071;成都师范学院高层次引进人才专项科研基金项目YJRC2014-9;成都师范学院自然科学类培育基金项目CS14ZD02

在线出版日期：2017-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2251-2255,2275