[发明专利]一种基于加权决策树的优化随机森林分类方法及系统

摘要

本发明提供了一种基于加权决策树的优化随机森林分类方法及系统，属于模式识别技术领域。该方法为采用自举法生成多个训练数据集；对每个训练数据集随机抽取特征集；训练决策树，并根据特征集的统计特性或决策树的性能为每个决策树分配投票权重；引入投票机制，加速随机森林的分类过程。本发明利用训练样本的统计特性或决策树的分类性能来分配决策树的投票权重，并利用投票机制加速决策进程，能有效提高随机森林的分类性能和分类效率。

主权项

一种基于加权决策树的优化随机森林分类方法,包括离线训练和在线预测部分，其特征在于：所述离线训练部分包括以下步骤：(S1)重复在同一数据源中提取多次数据，得到多个样本数相同的训练集；(S2)在每一训练集中，提取每个样本的特征向量和标签向量；(S3)利用每一训练集的特征向量和标签向量训练随机森林分类模型，得到多个决策树；(S4)对每一训练集，分别将其所有样本的同一特征构成特征向量，计算该特征向量与该训练集的标签向量之间的统计相关性，对所有特征对应的统计相关性进行叠加，叠加结果即为该训练集训练得到的决策树的投票权重；所述在线分类部分包括以下步骤：(T1)按照投票权重由高到低选取决策树依次对待分类数据进行分类，将决策树的投票权重作为其分类所得类别的投票数，实时计算各类别的投票总数，如某一类别所得投票总数超过预定阈值，则停止分类，该类别即为最终分类结果。