随机森林(RF)是众多分类算法中精确度较高的算法,但其精确度还有提升的需求。文章通过分析C4.5算法和CART算法的计算过程,比较了两者的异同点,提出了一种新的混合随机森林算法,并使用公共的UCI数据集进行实证分析,实验数据表明该算法可以提高随机森林的精确度。从而,使随机森林算法的应用领域得到了扩大。

利用牛顿法和不精确牛顿法构造了1维代化问题的混合算法。用该算法连续2次迭代只计算1次2阶导数值。在一合理的假设下证明了该算法具有Q-2阶收敛速率。

研究目标:根据企业财务比率数据,将企业经营状况通过评级机构所公布的信用级别反映出来。研究方法:本文针对传统随机森林模型在投票机制中存在的弊端,通过改进指标选取、重要性排序及算法优化三个方面,创新性地将PSO算法运用于基于加权随机森林模型的企业信用评级中,并对2016年2840家中国上市企业的财务数据进行应用分析。研究发现:采用PSO优化加权随机森林模型的上市公司信用评级准确率有所提高;其评级准确率普遍优于传统的决策树、支持向量机和随机森林模型;制造业企业信用评级状况不佳,被标记为财务危险的企业占比较多。研究创新:在企业信用评级领域提出一种基于PSO优化加权随机森林模型。研究价值:为完善企业信用评级体系提供新思路。

对舰船零部件发生故障问题进行故障诊断,并对故障诊断结果进行分析,建立舰船零部件备件需求模型,给出零部件之间的发生故障概率的关系与备件需求特征;将随机森林回归原理应用到了舰船零部件的备件需求预测领域,构建了基于随机森林的预测模型,以及预测结果准确率的评价。用诊断结果数据对算法进行验证,结果表明,将随机森林算法运用到舰船的备件预测领域可以为舰船装备在一次海上任务期内备件配置问题提供参考价值。

统计分析表明 ,研究区域内森林类型多样性整体分布格局是 :大多数村包含 2个不同的森林类型 ,由北向南森林类型逐渐增多 ,并呈镶嵌分布。采用最大覆盖模型研究森林类型多样性与保护地的优化选择 ,模型用贪心法求解 ,最终得到森林类型多样性的最大覆盖格局包括瓦房庄村、北堂村、孔沟村和竹园村 ,共 5个村。以这 5个村作为研究区的森林类型多样性保护地比较合适。指出 ,在研究区内 ,森林类型多样性可能并非完全是自然形成的 ,不能排除人为因素的影响。

设计了一种新颖的基于差分进化算法和NSGA-Ⅱ的混合进化算法用来解决多目标优化问题。在此算法中,根据算法的搜索情况设计相应的自适应变异算子,以便在突变操作中找到Pareto解。同时,选择操作将基于NSGA-Ⅱ快速非优超排序和拥挤机制将父代与子代的双种群进行截短,确保最优解不会丢失并保证解的多样性。三个经典测试函数的仿真结果表明,文中算法在实现多目标优化问题的两个目标(获得收敛于真实Pareto前沿的解和解沿着前沿均匀扩展)方面表现出良好的综合性能。

文章提出了一种基于随机森林的加权特征选择算法WRFFS。算法以随机森林为基础,以分类精度作为筛选特征子集的标准,通过在数据集上构造多棵决策树,采用交叉验证的方式进行特征的重要性度量,各决策树的权重和特征重要性度量加权求和决定了最终的特征重要性排序,然后再采用序列后向选择法(Se-quential backward selection,SBS)进行特征的筛选,其中决策树的权重由该决策树与预测结果的相符程度来决定。最后,通过对比实验表明该方法WRFFS比已有文献中方法具有更好的分类性能。

在大数据背景下，分类型数据与混合型数据开始大量出现，如何更好地计算这类数据的相异性度量成为研究焦点。相比特定属性代表特定类的表达形式，模糊类中心表达形式因为含有更多信息、可计算欧氏距离、能更完善地展示不同样本之间的差异性等优点而得到推广使用。模糊类中心是定和为1的频率向量，这同时也符合成分数据的定义，因此，文章引入成分数据处理方式，提出一种融合α度量的改进K-prototypes算法（α-K-prototypes）。针对α度量的特殊性设定了权重调整系数，让分类型数据距离更具有解释性。在实验对比后发现，α-K-prototypes算法在UCI的7个数据集上均优于K-prototypes、K-centers、Improved-K-prototypes算法。为了更好地在实际中应用，文章给出了一种较优α计算准则，并证明其在统计意义上是显著的。

管理会计中混合成本分解的一种简易新算法徐大江企业为了实现有效的生产经营管理，就必须掌握和应用有关成本的信息。管理会计是以成本的变动和业务量之间的内在联系来认识成本并对成本进行分类的。在一定时期和一定业务量的范围内，管理会计中将企业的成本分解为固定成本...

针对混合蛙跳算法在迭代后期收敛速度变慢的现象,提出一种改进的混合蛙跳算法。该算法引入混沌优化机制,取代随机搜索,对当前群体中的最差个体实施混沌搜索,并替换群体中的部分个体,改善算法摆脱局部极值点的能力。仿真结果表明:改进的蛙跳算法的全局寻优能力明显优于基本的混合蛙跳算法。

文章针对传统的遗传算法的早熟现象(即很快收敛到局部最优解而不是全局最优解),提出了一种将传统优化方法以及模拟退火算法与遗传算法相结合的新思路,即分别在无约束问题和有约束问题两种情况下,采用下降算法和模拟退火算法与遗传算法相结合的混合遗传算法;并将此混合算法应用于实际问题求解中,实验表明该算法具有全局最优性和收敛性。

针对多目标优化问题,设计一种基于量子计算和非支配排序遗传算法相结合的智能算法进行求解,综合量子算法和非支配排序遗传算法的优点,在局部搜索和全局搜索之间进行权衡。混合算法采用量子比特对问题的解进行编码,基于量子旋转门算子、分散交叉算子以及高斯变异算子对种群进行更新。进行局部深入搜索时,用一个解在目标空间中跟理想点的距离来评价该解的优劣;进行全局搜索时,基于非支配排序遗传算法中的有效前沿的划分和解之间的拥挤距离来评价某个解。最后,在经典的测试函数ZDT5上对所提混合算法进行了测试。通过对比分析若干项针对有效解集的评价指标,该混合算法在跟最优有效前沿的逼近程度以及有效解集分布的均匀程度上均优于目前得...

为满足用户查询多样化需求,检索结果的多元化成为信息检索领域一个新的研究热点。文章提出一种支持搜索结果多元化的数据融合技术,采用权威的TREC文本检索会议(针对Web检索多元化任务的)数据,对提出的方法进行了实验验证,结果表明所提出的数据融合方法有效地提高了多元化性能,融合结果显著地优于最佳的成员检索系统,实验表明运用数据融合技术可以在由当今最先进的检索技术所产生的结果基础之上,进一步提高检索性能,该算法有较高的应用价值。

Using shock tube and coherent experimental technique, the sweeping process of shock wave in ground, forest belt and flame field is photographed, the sudden extinguish time of flame and the overpressure of shock wave was measured. The research showed that it was obvious for shock wave extinguishing f...

【目的】单木生长受气候、林分等多种因子影响,需要利用适当的方法厘清气候以及林分中影响林木生长的主导因子。随机森林等机器学习方法提供了一种新的途径,需要检验利用随机森林算法分析气候和林分因子对林木生长影响的可靠性,为森林生长收获预估提供新的方法。【方法】以吉林省汪清林业局20块落叶松-云冷杉混交林固定样地25年(1986—2010年)间连续调查数据作为研究材料,候选气候和林分因子52个,利用随机森林算法建立了包含气候和林分的单木胸径生长模型,分析气候和林分因子对单木胸径年平均生长量的影响:基于52个超参数组合(决策树数目ntree=1 000、决策树每个结点随机选择的预测变量个数mtry={1, 2,···, 52})构建了52个随机森林模型,利用10折交叉验证法分别训练和评估52个随机森林模型;基于完整数据集,利用最优随机森林模型分析自变量对单木胸径年平均生长量影响的相对重要性以及偏依赖关系。【结果】ntree=1 000、mtry=12所对应的模型是52个模型中具有最佳泛化能力的模型,该模型具有最大的交叉验证决定系数R2cv(R2cv=0.54),以及最小的交叉验证均方根误差RMSEcv、交叉验证平均绝对偏差MAEcv和交叉验证相对均方根误差rRMSEcv(RMSEcv=0.14 cm、MAEcv=0.10 cm、rRMSEcv=50%)。单木胸径年平均生长量受林分因子的影响极大,相对重要性超过80.00%。8个林分因子中,大于对象木的林木断面积之和BAL对单木胸径年平均生长量影响最大,林分每公顷株数N对单木胸径年平均生长量影响最小,其他因子对单木胸径年平均生长量影响介于两者之间;单木胸径年平均生长量随BAL、林分每公顷断面积BA、N以及林分断面积平均胸径Dg的增加而下降,随对象木胸径与林分断面积平均胸径之比RD、林木期初胸径D0以及对象木胸径与林分中最大林木胸径之比DDM的增加而增加。单木胸径年平均生长量受气候因子的影响较小,相对重要性低于20.00%。44个气候因子对单木胸径年平均生长量的影响均较小(相对重要性均<1%),其中,生长季平均降水量(4—9月)与年均降水量之比Pratio、年总太阳辐射时长Asr、生长季平均降水量(4—9月)与生长季相对湿度(4—9月)之比Gspgsrh以及生长季太阳辐射时长(4—9月)Gssr是前4个相对重要的变量。【结论】随机森林模型能够较好地解析各变量与单木胸径年平均生长量之间复杂的关系,单木胸径年平均生长量受林分因子的影响极大,而受气候因子的影响较小。总体而言,在局部尺度上,林分因子是影响单木胸径生长的主导因子,而气候因子对单木胸径生长的解释能力有限。随机森林模型具有一定的泛化能力和统计可靠性,产生的变量重要性和偏依赖图具有合理的林学意义。