基于BLB方法的隨機森林算法研究及應(yīng)用.pdf

1、隨機森林是以決策樹作為基分類器的集成分類算法，它是將Bagging算法與隨機子空間結(jié)合起來進行分類的方法，廣泛應(yīng)用于社會生活的諸多領(lǐng)域來解決各種分類問題。雖然許多學(xué)者對隨機森林進行了廣泛的研究，并取得了顯著成果，但隨機森林分類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）的隨機森林算法，并將該算法應(yīng)用于文本分類中。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，主要對決策樹、隨機森林等基本概念和相關(guān)分類方法做了簡單介紹，并簡要介紹了文本分類方法。
　　第三章研究分析現(xiàn)有隨機森林分類算法，針對其不足，提出基于BLB的隨機森林算法。在該算法中首次將BLB方法應(yīng)用于隨機森林的生成過程中，使得該算法特別適用于大數(shù)據(jù)集的分類，解決了原有算法運行效率不足的問題；為預(yù)防隨機森林算法出現(xiàn)的

3、近似平局現(xiàn)象，在該算法中，對決策樹的加權(quán)方式做了進一步改進。此外，將本章提出的算法應(yīng)用于文本分類中，建立了基于BLB的隨機森林文本分類模型，并給出了相應(yīng)算法。
　　第四章針對文本分類做了數(shù)值試驗，與原有算法的數(shù)值實驗結(jié)果做了比較，結(jié)果表明了本文提出的算法在計算效率和分類準(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。在改進的隨機森林算法與Rocchio文本分類算法、神經(jīng)網(wǎng)絡(luò)文本分類算法這兩種運用比較廣泛的文本分類