典型文献
基于特征聚类优化的KM-FCM-RF算法研究
文献摘要：
针对传统的随机森林算法(R F)在对聚类效率欠佳导致训练精度不高的缺陷,本文提出了一种基于特征聚类的随机森林算法(KM-FCM-RF),首先用传统RF方法对初始数据集聚类后,然后使用K均值聚类(KM)和模糊C-均值(FCM)结合根据样本相似度划分族群,得到最终的高维特征序列.将KM-FCM-RF算法应用于特征数据集KddCup99和Minst,并与传统的RF比较,实验结果表明,KM-FCM-RF算法具有更好的聚类效果、提高了预测精度,具备良好的可行性.
文献关键词：
特征聚类;随机森林;KM-FCM-RF
中图分类号：
作者姓名：
罗超;彭玉涛
作者机构：
井冈山大学网络信息中心 江西 吉安 343009
文献出处：
引用格式：
[1]罗超;彭玉涛-.基于特征聚类优化的KM-FCM-RF算法研究)[J].信息记录材料,2022(12):39-41,44
A类：
KddCup99,Minst
B类：
特征聚类,聚类优化,KM,FCM,RF,算法研究,随机森林算法,先用,均值聚类,族群,高维特征,特征序列,算法应用,特征数据集
AB值：
0.266957
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。
