基于随机森林特征选择的茶园遥感提取

由于茶园空间分布零散、形状不规则、与周围植被光谱特征接近等原因,从卫星影像中提取茶园非常具有挑战性。针对这一问题,本文研究提出了基于随机森林特征选择方法和Landsat-8 OLI影像进行茶园提取的技术路线,以浙江省安吉县为例,采用春、秋、冬季Landsat-8 OLI影像作为主要数据源,利用随机森林对茶园影像特征进行重要性评估、排序和特征选择,设计了单季节初始特征集、单季节优选特征集、多季节优选特征集,并进行了9组茶园提取实验。结果表明,融合了特征选择和多季节信息优势于一体的多季节优选特征集具有最好的性能表现,其精度如下：生产者精度为87.5%、总体精度为92.4%、Kappa系数为0.897。本文提出的技术路线充分发挥了其在提高遥感分类精度和降低维度等方面的作用,实现了对空间分布离散、形状欠规则的茶园的有效提取。     

结合语音融合特征和随机森林的构音障碍识别

为分析病理人群与正常人群的发音差异性,提出一种结合语音融合特征和随机森林的语音识别方法来进行正常语音与构音障碍语音的分类识别,从而为医学诊断和治疗提供科学和客观的依据．首先,使用多伦多大学开发的病理语音数据库,提取出语音的五种韵律特征以及梅尔频率倒谱系数,再计算其统计特征,构成融合特征,最后结合随机森林算法进行分类识别．结果显示,相比于单一类型特征,提出的融合特征在识别性能上有着显著优化作用,与随机森林分类器结合后,对于男性声音的分类准确率达到99.21％,对于女性声音的分类准确率达到98.97％,综合分类准确率达到98.00％．同时研究还发现,相较于句子,患者对短语的发音更为准确．     

基于优化的随机森林心脏病预测算法

为适应优化算法的模型,用K近邻方法对数据进行预处理,提出了KNN-RF模型.对数据集用K近邻进行缺失补充,并进行归一化等预处理操作,以随机森林算法为基础,并采用交叉检验和网格搜索寻找最佳参数.在比较流行的UCI心脏病数据集和克利夫兰医学中心公开数据集分别进行实验,建立了心脏病预测模型,用于辅助医生对患者是否患有心脏病进...     

基于纹理特征和随机森林的恶意代码分类研究

为高效地识别分析恶意软件,及时防范可能的危害,提出了一种基于图像灰度纹理特征的静态分类方法。根据代码的指令长度特点,设计并提取病毒代码的多字节图像纹理,并统一成二维特征,然后将所有的特征文件作为训练集进行随机森林机器学习方法分类。利用标准数据集进行的实验表明,该方法可以达到96.36%的精度,并分析了各个字节代码特征的重要性,进一步提出了简化的分类方法。     

基于随机森林的流量分类方法

网络流量识别在提高网络管理能力和保护网络安全方面有着重要作用。传统的基于端口识别和深度包检测的方法由于无法应对端口随机化、数据加密等原因,识别效率大大降低。近年来,出现了基于流统计特征的识别方法。然而,已有的基于流统计特征的识别方法大多使用单个分类器进行流量识别,存在着精度提高难、环境依赖强等局限性。针对这一问题,提出一种基于随机森林的流量分类方法,基于多分类器集成的思想,采用由多个决策树集成、由随机向量决定决策树构造方式的随机森林,实现对网络流量的分类。实验分析结果表明,所提出方法的分类性能优于常见的基于C4.5和Naive Bayes的流量分类方法。     

基于随机森林算法和摩擦起电传感器的人体运动识别研究

人体运动传感器是可穿戴设备、物联网等领域的关键传感器,低成本的聚合物多功能运动传感器有广阔的应用前景。基于摩擦起电原理,聚合物传感器可实现多种运动的感知。通过对传感器结构和电荷转移规律的分析,表明其可有效感知三维直线运动。将传感器固定在测试人员脚踝处,测得跑步和走路等不同运动状态下的输出电压。选择部分电极输出电压的极差和标准差作为特征量,采用随机森林算法对特征量进行分析,研究结果表明该方法对走路和跑步的识别准确率可达98.3%,为该型传感器在可穿戴设备上的应用奠定了基础。     

基于改进随机森林的城市污水处理过程运行数据清洗方法

针对城市污水处理运行过程中出现混合异常数据的问题,提出了一种基于改进型随机森林的数据清洗方法.首先,设计了一个孤立森林的异常数据识别模型,识别数据中的离群值.其次,建立了一种改进型随机森林回归模型,提高随机森林对混合类型异常数据的适应能力,并对数据趋势进行拟合预测.最后,用改进的随机森林数据清洗方法对剔除混合异常数据后的缺失数据进行补偿,实现对污水数据的清洗.实际数据测试结果表明,该方法提高了混合类型缺失数据补偿的准确性.     

基于随机森林的局部放电特征提取和优选研究

在得到了局部放电绝缘缺陷模式识别所需的特征集后,针对特征维度较高,建立分类模型复杂的问题,提出了基于方差分析的随机森林前向特征选择方法.从两个方面进行了改进:一是提出一种基于方差分析的方法,度量特征在不同类别上的差异性,得到了修改之后的排列置换方案,用来指导某一个特征在袋外数据样本上的取值顺序的重新排列;二是采用序列前...     

基于随机森林的无线传感器通信网络阻塞故障检测

针对无线传感器通信网络信道分布复杂,受外界因素影响大,导致故障检测精准度低的问题,提出一种基于随机森林的无线传感器通信网络阻塞故障检测方法。通过预设随机变量模拟存在阻塞故障、不存在阻塞故障两种状态下,样本集属性向量变化,设立判定阈值。考虑到外界因素影响,建立随机森林决策规则,输入样本数据,通过预设变量模拟外界干预因子,让检测结果逼近真实值,不断迭代直至基于判定阈值的检测结果符合规则。仿真实验证明：本文方法的检测结果与实测值吻合度高,在存在干扰环境下也能保证检测准确率,耗用时间短。     

基于层次分析法的数据传输路径选择优化算法

由于无线传感器网络路由协议对于影响数据传输因素的考虑不够全面,本研究利用层次分析法将无线传感器路由过程层次化分解,对路由过程中的路径长度、数据完整性、能量消耗、接收延时4个影响因素进行分析。通过对不同传输路径的相对优劣进行排序,从而达到优化路由选择的目的。仿真结果分析表明,该方法可以更全面地考虑影响路由的因素,比指南针方法所得到的路径在能量消耗、数据完整度、传输延时等多个方面都要优越。     

基于无线传感器网络的森林防火监测系统设计

介绍了基于无线传感器网络的森林防火监测系统设计方法,包括系统结构,硬件和软件框架.该系统能够实时准确地监测环境温湿度,有效地起到了预防和监测森林火灾的作用.     

基于低能耗的无线传感器网络路由协议的研究

无线传感器网络是目前计算机领域的一项研究热点,但是节点能量问题一直是个难点.该文将视点放在了分簇技术和节能技术上,在现有的分簇路由协议基础上,提出了一种节能的负载均衡的分簇路由协议.协议采用分簇的形式,根据最优簇头比例计算出簇头个数,然后根据一定的规则划分区域,并分配每个子域内簇头个数;之后,每个子域根据能量的高低选举...     

基于支持向量机的特征选择算法综述

特征选择是目前机器学习领域的研究热点之一,特征选择结果的好坏直接影响着分类器的分类精度和泛化性能.首先分析了特征选择算法的框架;其次分析了支持向量机用于特征选择的意义;然后对基于支持向量机的特征选择算法进行了分析和总结;最后从算法实用性角度出发,面向网络数据,探讨基于支持向量机的特征选择算法研究思路.     

结构工程监测中无线传感网络的数据融合

首先分析了无线传感网络在构建智能土木结构的潜力.从节能的目的出发,介绍了以数字为中心的网内融合技术,以及融合树的构造.最后结合应用,重点探讨了数据融合在各个协议层的实现,以及潜在的问题.     

面向配电网故障数据的BIC评估后向选择方法

10 kV配电网所处环境复杂,引发故障的原因很多,在使用数据挖掘方法对配电网故障进行分析时,太多的特征会对挖掘模型造成负面影响.为了防止挖掘模型考虑过多无用信息,需首先对数据进行特征选择来实现降维,因此提出了基于贝叶斯信息准则(BIC)的模型评估后向选择算法,对故障因素进行降维.BIC评估准则能够尽可能地简化模型,降低维度,而后向选择算法可以快速得到最优的简化模型,两者的结合提升了降维的速度,并能够得到更加简化的模型.实验结果表明,采用基于BIC评估的后向选择算法有助于后续模型准确性的提升,可提高训练效率.     

一种基于无线传感网的呼叫服务系统设计

基于IEEE 802.15.4协议的无线传感网络技术,并将其应用于无线呼叫服务系统。采用TI公司低功耗ZigBee网络收发芯片CC2430,电流损耗低于27mA,并且具备从休眠模式快速唤醒的功能。该文首先介绍了个人无线局域网以及无线呼叫服务系统架构,然后介绍了系统采用的射频前端电路;在软件部分详细阐述了系统各部分工作流程以及网络通信过程。最后给出了系统测试数据以及分析,证明了方案可行性。     

无线传感器网络LEACH算法的研究

无线传感器网络能够实时监测、采集和处理环境信息,应用前景十分广阔。目前,路由算法已成为无线传感器网络的关键技术之一。LEACH算法是一种典型的分簇路由算法,簇头的选取直接影响到算法性能的优劣。通过对LEACH算法的分析,在簇头节点的选取方面提出了改进方案。     

基于球壳交集的传感器网络三维定位算法研究

针对传感器网络在空间、海洋等三维场景下的应用，基于划分空间为球壳并取球壳交集定位的思想，提出了对传感器结点进行三维定位的非距离定位算法Approximate Point In Sphere (APIS)算法，研究了该算法的原理和实现方法，并对该算法在VC环境中进行了仿真实验，最后对其结果进行了分析。实验表明，在100×100×100单位的三维空间中，随机放置55个锚结点，就能对98％的结点进行定位，其平均相对误差仅为60%。因此，APIS算法能有效地实现三维环境中的传感器结点定位。     

基于Lasso特征选择的方法比较

模型和特征选择是统计学中较为重要的问题之一。Lasso是一种基于一范式的特征选择方法,与现有特征选择方法比较,Lasso不仅能够准确地选择出重要变量,同时还具有特征选择的稳定性。文中对线性回归模型中变量选择的Lasso算法、基于线性模型的Lasso、Lars、Adaptive-lasso、elastic net等方法进行了比较,指出了它们间的联系,并通过对几个选自UCI数据集的数据进行对比验证,给出了变量选择方法的具体实现。