典型文献
基于决策边界的倾斜森林分类算法
文献摘要：
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适应能力.自适应权重改进叶子结点类标号计算方法,有效提高算法对不平衡数据的分类能力.实验结果表明,该算法与随机森林算法相比具有更高的分类准确率与较好的不平衡数据分类能力.
文献关键词：
分类;随机森林;逻辑回归;分裂准则;决策边界
中图分类号：
作者姓名：
阚学达;桂琼;张攀峰
作者机构：
桂林理工大学 信息科学与工程学院,广西 桂林 541004
文献出处：
引用格式：
[1]阚学达;桂琼;张攀峰-.基于决策边界的倾斜森林分类算法)[J].计算机工程与设计,2022(02):391-398
A类：
OFDB,分裂准则
B类：
决策边界,森林分类,分类算法,随机森林算法,算法分类,分类准确率,oblique,forests,decision,boundary,自适应权重,采用决策,垂直于,数据空间,超平面,叶子,结点,标号,不平衡数据分类,逻辑回归
AB值：
0.315227
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
