改进的修剪随机森林算法在烟叶近红外光谱产地识别中的应用研究

被引：17

作者：

孔清清

丁香乾

宫会丽

机构：

[1] 中国海洋大学信息科学与工程学院

来源：

激光与光电子学进展 | 2018年 / 01期

基金：

国家重点研发计划;

关键词：

近红外光谱; 分类; 自适应遗传算法; 修剪随机森林; 高维数据;

D O I：

暂无

中图分类号：

O657.33 [红外光谱分析法]; TP18 [人工智能理论]; TS411 [];

学科分类号：

070302 [分析化学]; 140502 [人工智能];

摘要：

为了建立更准确、高效的烟叶产地识别模型,提出了基于自适应遗传算法的修剪随机森林算法(AGARFP)。该算法根据种群的进化程度,适配不同的选择算子;然后利用改进的自适应遗传算法对随机森林进行修剪。实验选择5个产区的样本构建烟叶产地识别模型,以产地识别准确率作为算法优劣的衡量标准。实验结果表明,AGARFP分类准确率为94.67%,分类效果优于其他方法,从而证明了所提算法的有效性。

引用

页码：446 / 451

页数：6

共 17 条

[1]

基于改进随机森林算法的电力业务实时流量分类方法 [J].