激光与光电子学进展, 2018, 55 (1): 013006, 网络出版: 2018-09-10 复制并引用该论文  本文已被引 5 次  被引通知

图 & 表

图 1. 基于自适应遗传算法的修剪随机森林算法流程图

Fig. 1. Flow chart of AGARFP

下载图片 查看原文

图 2. 基于不同选择算子的遗传算法适应度进化曲线。(a)轮盘赌法选择算子;(b)锦标赛法选择算子;(c)所提自适应选择算子

Fig. 2. Evolution curves of fitness for genetic algorithms with different selection operators. (a) Roulette method selection operator; (b) tournament method selection operator; (c) proposed adaptive selection operator

下载图片 查看原文

图 3. 随机森林规模与分类准确度的关系

Fig. 3. Relationship between random forest size and classification accuracy

下载图片 查看原文

图 4. 随机森林与基于自适应遗传算法的修剪随机森林的分类效果图。(a)随机森林;(b)基于自适应遗传算法的修剪随机森林

Fig. 4. Classification effect diagrams of RF and AGARFP. (a) RF; (b) AGARFP

下载图片 查看原文

表 1不同选择算子的对比

Table1. Comparison of different selection operators

Selectionoperator Convergencerate /generation Optimumsolution Roulette method 93.27 0.8800 Tournament method 72.15 0.8267 Proposed operator 79.36 0.9467

查看原文

表 2不同分类算法比较

Table2. Comparison of different classification algorithms

Classification algorithm CART RF AGARFP SVM PLS-DA SIMCA Accuracy /% 73.33 92.00 94.67 76.00 90.67 89.33

查看原文

孔清清, 丁香乾, 宫会丽. 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[J]. 激光与光电子学进展, 2018, 55(1): 013006. Kong Qingqing, Ding Xiangqian, Gong Huili. Application of Improved Random Forest Pruning Algorithm in Tobacco Origin Identification of Near Infrared Spectrum[J]. Laser & Optoelectronics Progress, 2018, 55(1): 013006.