典型文献
改进的二视图随机森林
文献摘要：
随机森林(RF)是最经典的机器学习算法之一,并已获得广泛应用.然而观察发现,尽管现实中存在众多的二视图数据并已获得广泛的分析研究,但针对二视图场景的RF构建相当少,仅有的利用RF解决二视图学习问题的方法也都是先为各个视图生成各自的RF,在决策时才融合了视图间的信息.这样的方法存在一个显著不足是在其RF的构建阶段未利用两个视图间的相关性,这无疑浪费了信息资源.为了弥补这一不足,提出了一种改进的二视图随机森林(ITVRF).具体而言,在决策树的生成过程中采用典型相关分析(CCA)进行视图融合,将视图间的信息交互融入到了决策树的构建阶段,实现了视图间互补信息在整个RF生成过程中的利用.此外,ITVRF还通过判别分析为决策树生成判别决策边界,更适合于分类.实验结果表明ITVRF比现有的二视图RF(TVRF)有着更优的准确率.
文献关键词：
决策树;随机森林(RF);二视图学习;典型相关分析(CCA)
中图分类号：
作者姓名：
夏笑秋;陈松灿
作者机构：
南京航空航天大学 计算机科学与技术学院,南京 210016;南京航空航天大学 模式分析与机器智能工信部重点实验室,南京 210016
文献出处：
引用格式：
[1]夏笑秋;陈松灿-.改进的二视图随机森林)[J].计算机科学与探索,2022(01):144-152
A类：
二视图学习,ITVRF,TVRF
B类：
机器学习算法,观察发现,图数据,学习问题,先为,图生成,信息资源,决策树,生成过程,用典,典型相关分析,CCA,图融合,信息交互,判别分析,决策边界
AB值：
0.209625
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。
