传统深度森林模型由于局限性,在多粒度扫描特征转换阶段忽略了边缘信息,导致特征转换不充分;级联时将上一层类概率拼接到原始特征中,未考虑之前类概率向量的影响,最后投票过程忽视了子分类器权重。针对以上问题,提出一种特征重排序的深...传统深度森林模型由于局限性,在多粒度扫描特征转换阶段忽略了边缘信息,导致特征转换不充分;级联时将上一层类概率拼接到原始特征中,未考虑之前类概率向量的影响,最后投票过程忽视了子分类器权重。针对以上问题,提出一种特征重排序的深度森林(Reorder Feature Deep Forest,RFDF)算法,通过特征重排序,将较重要的特征排在中部转换出更有效的特征;级联阶段将之前层级生成的类概率向量之间的差作为增强特征与原特征拼接,进一步增强特征差异性,缓解网络退化现象。引入逻辑回归分类器,增加子分类器的差异性。最后结果由赋予权重后的子分类器投票得出。通过不同的数据集验证,表明该方法一定程度上有效,在高维数据集上表现更加明显。展开更多
运行状态评价是指在过程正常生产的前提下,进一步判断生产过程运行状态的优劣.针对复杂工业过程定量信息与定性信息共存的情况,本文提出了一种基于随机森林的工业过程运行状态评价方法.针对随机森林中决策树信息存在冗余的问题,基于互...运行状态评价是指在过程正常生产的前提下,进一步判断生产过程运行状态的优劣.针对复杂工业过程定量信息与定性信息共存的情况,本文提出了一种基于随机森林的工业过程运行状态评价方法.针对随机森林中决策树信息存在冗余的问题,基于互信息将传统随机森林中的决策树进行分组,并选出每组中最优的决策树组成新的随机森林.同时为了强化评价精度高的决策树和弱化评价精度低的决策树对最终评价结果的影响,使用加权投票机制取代传统众数投票方法,最终构成一种基于互信息的加权随机森林算法(Mutual information weighted random forest,MIWRF).对于在线评价,本文通过计算在线数据处于各个等级的概率,并且结合提出的在线评价策略,判定当前样本运行状态等级.为了验证所提算法的有效性,将所提方法应用于湿法冶金浸出过程,实验结果表明,相对于传统随机森林算法,MIWRF降低了模型的复杂度,同时提高了运行状态评价精度.展开更多
由于椎骨间的形态差距较小、椎体的结构较为复杂,椎骨的CT图像分割处理近来成为医学研究的热门话题之一.本文针对脊柱CT图像水平集分割方法对初始轮廓敏感问题,提出了基于加权随机森林和水平集模型的有效椎骨CT分割方法WRF-CV(Wighted R...由于椎骨间的形态差距较小、椎体的结构较为复杂,椎骨的CT图像分割处理近来成为医学研究的热门话题之一.本文针对脊柱CT图像水平集分割方法对初始轮廓敏感问题,提出了基于加权随机森林和水平集模型的有效椎骨CT分割方法WRF-CV(Wighted Random forest-Chan Vese).本文方法提取图像的SIFT特征,利用加权随机森林回归算法获得脊柱中心点位置,并将平稳控制演化速度和噪声敏感度的水平集分割模型初始轮廓置于预测中心点处,通过求解能量函数演化方程最小值来实现椎骨分割.本文对5190张CT图像进行了评估,方法在椎骨分割测试中得到较好的分割效果,可以更加有效准确地分割椎骨CT图像.展开更多
文摘传统深度森林模型由于局限性,在多粒度扫描特征转换阶段忽略了边缘信息,导致特征转换不充分;级联时将上一层类概率拼接到原始特征中,未考虑之前类概率向量的影响,最后投票过程忽视了子分类器权重。针对以上问题,提出一种特征重排序的深度森林(Reorder Feature Deep Forest,RFDF)算法,通过特征重排序,将较重要的特征排在中部转换出更有效的特征;级联阶段将之前层级生成的类概率向量之间的差作为增强特征与原特征拼接,进一步增强特征差异性,缓解网络退化现象。引入逻辑回归分类器,增加子分类器的差异性。最后结果由赋予权重后的子分类器投票得出。通过不同的数据集验证,表明该方法一定程度上有效,在高维数据集上表现更加明显。
文摘运行状态评价是指在过程正常生产的前提下,进一步判断生产过程运行状态的优劣.针对复杂工业过程定量信息与定性信息共存的情况,本文提出了一种基于随机森林的工业过程运行状态评价方法.针对随机森林中决策树信息存在冗余的问题,基于互信息将传统随机森林中的决策树进行分组,并选出每组中最优的决策树组成新的随机森林.同时为了强化评价精度高的决策树和弱化评价精度低的决策树对最终评价结果的影响,使用加权投票机制取代传统众数投票方法,最终构成一种基于互信息的加权随机森林算法(Mutual information weighted random forest,MIWRF).对于在线评价,本文通过计算在线数据处于各个等级的概率,并且结合提出的在线评价策略,判定当前样本运行状态等级.为了验证所提算法的有效性,将所提方法应用于湿法冶金浸出过程,实验结果表明,相对于传统随机森林算法,MIWRF降低了模型的复杂度,同时提高了运行状态评价精度.
文摘由于椎骨间的形态差距较小、椎体的结构较为复杂,椎骨的CT图像分割处理近来成为医学研究的热门话题之一.本文针对脊柱CT图像水平集分割方法对初始轮廓敏感问题,提出了基于加权随机森林和水平集模型的有效椎骨CT分割方法WRF-CV(Wighted Random forest-Chan Vese).本文方法提取图像的SIFT特征,利用加权随机森林回归算法获得脊柱中心点位置,并将平稳控制演化速度和噪声敏感度的水平集分割模型初始轮廓置于预测中心点处,通过求解能量函数演化方程最小值来实现椎骨分割.本文对5190张CT图像进行了评估,方法在椎骨分割测试中得到较好的分割效果,可以更加有效准确地分割椎骨CT图像.