基于随机森林的老年人居住偏好预测研究

随着我国老龄化和高龄化趋势的加速,以及家庭养老功能弱化、社会养老服务体系不健全等问题,养老事业面临诸多挑战。为了更好地为老年人提供居住安排建议,同时为养老事业管理部门提供精准的决策支持,对CHARLS问卷中将近2万名老年人的数据进行了分析,力图发现影响老年人居住偏好的主要因素。同时,也尝试利用大数据和数据挖掘方法,从个人层面对老年人居住偏好进行预测,并针对类不平衡的情况下随机森林特征选择算法进行了改进。研究结果表明：基于老年人的特征数据可以很好地预测其居住偏好,为养老事业的精准化决策提供一种依据。     

粗糙集在无线传感网络中的智能信息处理研究*

针对无线传感器网络中不精确、不确定数据问题,提出了将信息处理和粗糙集技术融为一体的新研究思路,并基于分层簇结构给出了一种层次型智能信息处理方法。无线传感器网络实时森林火灾监测的示例与分析表明,该方法在实际应用中,通过从三个层次进行知识约简等智能数据分析,挖掘实用决策规则,使传感器节点仅自动获取和传送有效的最小数据集信息,实现了智能信息处理、能量消耗和系统性能之间的平衡。     

粗糙集在无线传感网络中的智能信息处理研究

针对无线传感器网络中不精确、不确定数据问题,提出了将信息处理和粗糙集技术融为一体的新研究思路,并基于分层簇结构给出了一种层次型智能信息处理方法.无线传感器网络实时森林火灾监测的示例与分析表明,该方法在实际应用中,通过从三个层次进行知识约简等智能数据分析,挖掘实用决策规则,使传感器节点仅自动获取和传送有效的最小数据集信息,实现了智能信息处理、能量消耗和系统性能之间的平衡.     

基于新型不纯度度量的代价敏感随机森林分类器

针对不平衡数据集的有效分类问题,提出一种结合代价敏感学习和随机森林算法的分类器。首先提出了一种新型不纯度度量,该度量不仅考虑了决策树的总代价,还考虑了同一节点对于不同样本的代价差异;其次,执行随机森林算法,对数据集作K次抽样,构建K个基础分类器;然后,基于提出的不纯度度量,通过分类回归树(CART)算法来构建决策树,从而形成决策树森林;最后,随机森林通过投票机制做出数据分类决策。在UCI数据库上进行实验,与传统随机森林和现有的代价敏感随机森林分类器相比,该分类器在分类精度、AUC面积和Kappa系数这3种性能度量上都具有良好的表现。     

基于用户画像及多车协同的环岛车辆换道策略

基于智能网联汽车车-路-环境的协同策略已成为一种解决智能交通领域问题的有效方案。因此通过结合交通环岛的行车特点,提出了一种基于车辆用户画像的交通环岛换道策略。首先为了解决交通环岛中智能网联汽车多源异构数据的混杂问题,定义了车辆用户画像,对智能网联汽车多维数据进行表征。其次,基于随机森林算法对车辆用户画像中标签的权重进行实时更新。再次,根据车辆用户画像及动态权重设计收益函数针对环岛出口位置的内道车辆进行换道决策,实现了决策的场景自适应。最后,利用SUMO对本算法在交通拥堵、正常、稀疏等三种场景中进行仿真测试。实验结果表明本算法使得车辆在交通环岛的通行效率和舒适度均得到有效提升,以此验证了车辆用户画像对于优化决策的场景自适应效果的作用。     

认知不确定性条件下轨道交通信号系统关键设备维修方案决策

基于Vague集的模糊决策在处理不确定及不精确信息时考虑了方案满足目标的不可能性因而优于传统的Fuzzy集。本文针对轨道交通信号系统中的无线闭塞中心系统设备的复杂性与故障相关信息的不确定性和模糊性问题,提出了一种认知不确定性条件下基于Vague集的设备维修策略决策方法。该方法以立即停车维修、优先安排维修、视情维修、定期维修和延迟维修等5种典型维修方案作为无线闭塞中心关键设备维修的对策集;在兼顾安全性和经济性的基础上,给出了安全性、可靠性、维修性、经济性以及可监测性等5个定性的决策评价语言变量集及相应的Vague数转换方法;构造了维修策略的Vague决策局势效果向量,并以接近正负理想Vague局势效果向量的相对贴近度为决策依据进行最优维修策略的决策。决策实例说明了该方法的具体实现过程,并验证了其有效性。     

基于决策边界的倾斜森林分类算法

为进一步提高随机森林算法分类准确率,提出一种基于决策边界的倾斜森林(oblique forests based on decision boundary,OFDB)分类算法.将决策边界与自适应权重融入随机森林算法框架,采用决策边界作为分裂准则,使原本垂直于数据空间的分裂准则变为倾斜的超平面,有效提高算法对数据空间结构的...     

中医“内生五邪”的智能证型分类

采用随机森林算法对语料库中医"内生五邪"病证知识进行数据挖掘。采用随机森林对五邪病证的临床特征体系构建"内生五邪"智能诊断模型。采用改进的随机森林特征重要性度量方法针对各个类进行特征重要性度量。实验结果验证了该方法的有效性和优越性,能够胜任对疾病过程中所产生的类似于风、寒、湿、燥、火邪等五种病理状态进行深入细致的客观化研究。该研究将为中医临床医生提供一个诊疗决策的优良工具。     

基于Adaboost的随机森林算法在医疗销售预测中的应用

提出一种基于Adaboost方法的随机森林销售量预测方法. 首先对销售量的影响因素进行了特征分析,确定了训练数据的特征和维度. 然后采用基于Adaboost的随机森林销量预测方法对特征数据进行训练并给出了预测算法的步骤. 最后使用python进行了仿真实验,实验结果表明,该方法可以有效提高随机森林的回归性能,且预测精度高,具有较强的泛化能力.     

自注意力机制和随机森林回归的视频摘要生成

是通过生成关键帧或片段来达到压缩视频的效果,能够在概括视频主要内容的基础上极大缩短观看时间,在视频快速浏览与检索领域应用广泛。现有方法大多只基于图像内容进行探索,忽略了视频具有时序的特点,且模型对波动数据学习能力较差,导致生成的摘要缺乏时间连贯性和代表性。提出了一个以编码器-解码器为框架的视频摘要网络。具体来说,编码部分由卷积神经网络提取特征,通过自注意力机制提升对关键特征的权重,而解码部分由融合了随机森林的双向长短期记忆网络构成,通过调整随机森林和双向长短期记忆网络在损失函数中所占比例,使模型具有较强的稳定性和预测准确率。实验在两个数据集上与其他七种方法进行了比较,综合实验结果证明了方法的有效性与可行性。提出了自注意力机制和随机森林回归的视频摘要网络,利用自注意力机制完成对特征的优化,将双向长短期记忆网络与随机森林结合,提升模型的稳定性与泛化性,有效降低损失值,使得生成的视频摘要更符合用户视觉特性。