融合改进K近邻和随机森林的机器学习方法

作     者：甘胜江 白艳宇 孙连海 何俊林 GAN Sheng-jiang BAI Yan-yu SUN Lian-hai HE Jun-lin

作者机构：成都师范学院计算机科学学院四川成都611130 中原工学院信息商务学院信息技术系河南郑州450053 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2017年第38卷第8期

页      面：2251-2255,2275页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中国博士后科学基金面上基金项目(2014M560730) 四川省科技厅应用基础基金项目(2015JY0071) 成都师范学院高层次引进人才专项科研基金项目(YJRC2014-9) 成都师范学院自然科学类培育基金项目(CS14ZD02) 

主　　题：机器学习 K近邻 随机森林 支持向量机 目标分类 

摘      要：对K近邻和随机森林学习方法进行改进,提出一种融合的机器学习方法。通过计算待分类特征与训练库中各个类中心之间的距离,进行最近邻分类,增强K近邻学习方法的鲁棒性,提高其运算效率;通过随机划分将改进KNN分类器的多元输出转化为二元输出,用其构建随机森林中各个决策结点的决策函数,降低各决策结点数据的错分率,提高随机森林学习方法的目标分类正确率。实验结果表明,该方法对手写数字目标的分类正确率高于经典的K近邻、Adaboost、支持向量机和随机森林学习方法。