基于RF-GABPSO混合选择算法的黑土有机质含量估测研究

针对土壤有机质含量高光谱估测研究中变量维数过高与特征谱段筛选问题,提出了一种结合随机森林和自适应搜索算法的混合特征选择方法。首先依据随机森林变量重要性原理获取初始优化集,然后利用遗传二进制粒子群封装算法对初始优化集进一步自适应筛选。对于土壤有机质含量估测建模问题,选择稳健性强且能有效处理高维变量的随机森林算法。以典型黑土区采集的土壤样品为研究对象,将ASD光谱仪获取的可见光-近红外区间光谱数据和经化学分析得到的土壤有机质含量为数据源,对原始光谱进行光谱变换和重采样处理后,采用随机森林-遗传二进制粒子群混合选择方法提取特征光谱区间,构建有机质含量随机森林估测模型。与利用全光谱、随机森林方法筛选的光谱和自适应搜索算法筛选的光谱构建随机森林模型得到的预测精度进行比较。结果表明,利用随机森林-遗传二进制粒子群混合特征选择算法筛选的波谱变量参与随机森林建模,预测决定系数,均方根误差和相对分析误差分别为0.838,0.54%,2.534。该方案应用最少的变量个数获得最高的预测精度,能够较高效地估测黑土有机质含量,也能为其他类型土壤在有机质含量估测研究的变量筛选与建模问题上提供参考。

数据挖掘分类算法优化非平衡采样样本的研究与应用

主要是针对采样过程中的非平衡数据进行处理、分类,改变传统算法在其处理过程中的分类倾向性。结合数据挖掘中多种分类算法构建的混合模型进行分类处理非平衡采样数据,并将优化的结果进行比较。

一种云环境下的虚拟机负载均衡算法

针对多数负载均衡算法都以虚拟机的CPU、内存等资源的利用率作为优化目标,而未考虑虚拟机上总任务工作时长不均衡导致任务总等待时长增加的问题,提出一种结合随机森林分类器的粒子群优化算法用于解决虚拟机的负载均衡问题.该算法不仅均衡了虚拟机的CPU利用率和内存利用率,也将虚拟机上总任务工作时长作为优化目标,以达到均衡虚拟机资源利用率,同时减少任务总等待时间的目的.仿真实验结果表明,该算法能有效解决虚拟机的负载均衡问题.

决策树算法在物流企业人才流失中的应用研究

随着我国物流行业的快速发展,物流企业需要大量的人才,然而物流的快速发展也导致公司员工流动性增加,这给企业在经济和人才管理方面造成了损失和困扰,因此,如何解决人才流失的问题,是物流企业在竞争激烈的市场中面临的挑战之一。文中基于大数据挖掘与分析软件平台,利用数据挖掘中的J48和RandomForest两种分类算法对搜集某物流企业的员工离职相关数据进行分析,找出影响员工离职的因素,为今后该公司人力资源管理及人才挽留提供理论依据。

基于随机森林算法的冬小麦叶片氮含量遥感估算研究

精确、快速估算冬小麦叶片氮含量,对冬小麦长势监测及田间管理指导具有重要的研究意义。为精确反演冬小麦叶片氮含量(leaf nitrogen content,LNC),本文利用遥感方法,依托不同氮处理水平对冬小麦的影响试验,基于获取的高光谱遥感数据和LNC地面实测数据,对比分析光谱指数与随机森林算法(random forest,RF)反演冬小麦叶片氮含量的精度和稳健性。结果表明,以敏感波段496 nm和604 nm为自变量,利用随机森林算法构建的LNC回归模型精度较光谱指数法有了大幅提高,模型的建模精度为R2=0.922,均方根误差为0.290;验证精度为R2=0.873,均方根误差为0.397,并且相对分析误差值为2.220,表明将敏感波段与随机森林算法组合构建的反演模型能较好地反演冬小麦叶片氮含量。

基于典型机器学习算法的航空发动机价格估算模型研究

航空发动机的研制具有难度大、风险高、周期长、经费多的特点,需要在论证阶段对订购价格进行科学的估算,设定合理的目标。文中收集部分涡轴、涡桨发动机的性能指标、物理参数及订购价格等数据,运用典型机器学习方法建立价格估算模型。通过评估可以看出,建立的模型具有较好的估算效果,对测试样本的预测误差在10%以内,满足论证阶段的估算要求,可为装备的发展决策提供有效支撑。