基于深度森林的电商平台用户行为预测方法

为提高电商平台用户行为预测的准确度,解决传统机器学习方法需要设置大量超参数的问题,提出了一种基于深度森林的用户购买行为预测方法.该方法首先采用多粒度扫描提取用户行为数据的概率特征向量,然后利用级联森林生成增强特征向量并输出预测结果.实验测试了不同决策树模型对用户行为预测的适应性,并确定了随机森林决策树数目.将深度森林模...     

基于随机森林CART特征选择改进算法的电信客户流失预测模型

客户流失预测能够帮助运营商制定有针对性的挽留营销政策,对提高竞争力和营业收入有重要意义.本文针对随机森林算法在数据和类别不平衡情况下预测准确率下降的问题,在随机森林CART分类树算法的特征选择过程中引入客户生命周期价值指标,降低了不平衡情况下的基尼系数和模型的不纯度.对电信业客户基本信息、行为数据和交互数据进行数学挖掘...     

天津服务质量双提高运营商新春回馈百姓

金鼠报春。春节作为中国人民最重要的节日,一直是电信消费最为集中、群众需求最为旺盛的时期,各地电信运营商围绕春节消费市场也开展了大量丰富多彩的营销活动。为此,本刊记者利用春节返乡过年的机会,深入各地营销一线,现场采访并亲身体验了电信行业在新年期间的营销活动。我们的采访涵盖了北京、山西、安徽、河北、湖南等地,从中可以一窥不同地域电信行业的基本发展状态。     

车载超短波电台电波传播预测模型研究

针对实战环境中车载超短波电台通信距离和质量受地面附着物和地形地貌影响的问题，文中基于射线追踪和机器学习，建立了车载超短波电台电波传播预测模型。采用装甲车辆与车载天线的一体化建模获得车载天线辐射方向图，融合电子地图，建立了基于射线追踪技术的电波传播仿真模型。利用随机森林机器学习算法和仿真模型的数据结果，建立了基于随机森林的电波传播预测模型，并与经典电波传播模型如Egli模型和Okumura-Hata模型进行对比。结果显示，基于随机森林的电波传播模型预测精度更高，均方根误差达到2.190 1 dB,决定系数达到0.960 1,可准确预测战术通信环境中的电波传播情况。     

一种基于随机森林的改进特征筛选算法

肝癌是一种我国高发的消化系统恶性肿瘤,患者死亡率高,威胁极大。而其预后情况通常只能通过医生的专业知识和经验积累来粗略判断,准确率较差。因此文中在分析随机森林算法的基本原理的基础上,提出一种改进的基于随机森林的特征筛选算法,并应用Python编程设计了一个能够预处理数据、调用这些算法、控制各参数并展现测试结果的系统,最终将该系统应用于肝癌预后预测,比较分析了不同的算法、参数、内部策略对预测精度和计算性能的影响。研究结果表明,随机森林相比剪枝过的决策树具备更好的泛化能力和训练速度,改进的特征筛选算法能够在保证预测精度的前提下显著缩小特征集。     

基于MLFMM算法与随机森林的天线场强预测模型

天线等弱电通信设备工作在电力铁塔等强电环境中时,出于安全考虑需要计算天线所在位置的电磁环境。现有电磁计算方法涉及复杂变换与迭代过程,耗时长、占用内存高,工程人员不易掌握。为此,将机器学习中的随机森林回归模型应用到多场源和散射体的复杂情况中,建立了多层快速多极子算法(MLFMM)与随机森林结合的场强预测模型。基于MLFMM算法,利用电磁仿真软件FEKO获取电磁环境中大量的电磁分布数据,并进行数据挖掘和特征分析,以提高场强预测效率,降低计算复杂度。最后,利用随机森林回归模型实现场强预测。高电压环境下金属散射体附近的天线场强预测结果与数值计算方法结果吻合良好,准确率高于95%,证明了机器学习方法结合数值电磁计算方法的可靠性。     

一种“天宫二号”土壤湿度反演方法

通过神经网络和机器学习的方法建立遥感影像的光谱信息与土壤湿度之间的模型,采用遥感手段大范围预测地表土壤湿度。以"天宫二号"2016年9月24日宽波段成像仪采集的可见光近红外谱段影像作为模型输入,选取与"天宫二号"影像相同采集时间和经纬度的SMAP/Sentinel-1 L2土壤湿度产品作为输出,分别通过贝叶斯神经网络算法和随机森林算法建立光谱信息和土壤湿度数据之间的关系。结果表明:采用贝叶斯线性回归反演时,当隐含层节点个数为24时训练效果最好,R²为0.755,均方根误差RMSE为0.161;采用随机森林机器学习算法反演时,当决策树个数为60时效果最好,R²为0.809,均方根误差RMSE为0.120。对"天宫二号"影像进行土壤湿度反演时,随机森林模型比贝叶斯神经网络模型的精度更高,拟合效果更好,可以实现较为准确的大范围土壤水分含量预测。     

基于多源数据融合的网络安全态势评估方法研究

针对层次分析法进行网络安全态势评估存在主观性过强的问题,文中提出了一种基于Hadoop的网络安全态势评估算法。该算法采用Hadoop作为并行数据融合平台,使用LSTM作为多数据特征提取算法。为了弥补分类功能的缺陷,通过随机森林模型增强算法的分类性能,最后将LSTM随机森林算法部署在Hadoop集群中,完成多源数据的融合。实验结果表明,相较于其他算法,所提算法的预测性能更强、误差更小,从而进一步提升了网络安全态势评估的精度。     

一种融合云模型和信任的推荐算法

针对传统的协同过滤推荐系统推荐精度低的问题,从用户相似度和用户信任度两个角度出发,提出了一种融合云模型和信任的推荐算法。采用云模型的相似度方法计算用户间的相似度,再采用信任推导来计算用户间的信任值,在此基础之上根据用户相似度和信任度两个因素分别确定邻居用户,得到预测评分。再将二者的预测评分结合的混合值作为最终的预测评分,从而产生推荐。实验结果表明,该算法与基于信任关系的推荐算法相比有更好的推荐效果。     

析取随机森林算法研究

本文通过引进前向反馈模型的概念提出析取-随机森林算法,该方法将析取随机森林模型中决策树的学习方法进行改进,引入全局损失函数的概念,从而增加单个决策树每个节点之间的联系以影响下个节点的分类情况.改进后的模型可以达到减少训练时间和使最后训练得到的随机森林收敛速度更快、预测结果更为准确的目的.