一种基于DNN及决策森林的回归模型在小样本空间中的应用

针对DNN回归模型难以应用于小样本空间的问题,将DNN的特征学习和决策树模型相结合,提出了一种融合DNN特征学习和决策森林的级联回归模型,采用一种“概率”随机森林代替单一决策树进行训练,使其可用少量样本获得较好的特征表达学习能力,并完成在小规模数据集下的图像分类任务.为了验证该模型的有效性,将此模型应用于两种不同的数据集上,并与其他几种模型算法进行了对比.实验结果表明,此回归模型在整体上优于其他模型,能够较好的完成小样本空间的目标检测及分类.