基于随机森林算法的吸毒人员甄别模型研究

基于数据挖掘技术,利用脉搏波数据构建模型进行吸毒人员的甄别技术,是一项新技术研究.对采集的脉搏波数据,在数据预处理的基础上,运用随机森林算法构建吸毒人员甄别模型,该模型准确率虽然较高,但查全率、F1值均较低.为此提出了改进的随机森林算法,主要包括3种改进策略:采用划分多组训练集和测试集进行交叉验证,运用下采样方案来平衡样本分布,选用多评判指标选定模型构建参数.通过测试,根据准确率、查准率、查全率、F1值等多项指标的比较,发现改进的随机森林判别模型性能得到明显提升.

基于脉搏波特征的吸毒人员甄别模型的研究

目的:为实现基于脉搏波的吸毒人员的快速甄别,对脉搏波甄别模型的构建进行研究。方法:应用采集、筛选的102例吸毒人员样本和138例非吸毒人员样本构建样本库,对从脉搏波中提取的数据进行分析,选择年龄、性别及slopeU、PWTT、AWX、WaveWidth6项作为模型特征,分别建立逻辑回归模型、支持向量机模型、随机森林模型。结果:逻辑回归模型、支持向量机模型、随机森林模型都可以较好地实现吸毒人员的甄别,其中随机森林模型性能相对更好。结论:通过采集脉搏波信息,运用数据挖掘技术,可以实现吸毒人员的甄别,今后可通过扩大样本容量、完善甄别模型,提高其应用可靠性。