-
题名基于PSO优化的叶节点加权随机森林算法
被引量：1
- 1
-
-
作者
胡明祺
张森昶
-
机构
郑州大学网络空间安全学院
-
出处
《现代计算机》
2022年第4期1-4,共4页
-
基金
郑州大学大学生创新创业训练计划资助项目(2021cxcy733)。
-
文摘
随机森林算法(random forest)是属于集成学习的一种组合分类方法,作为一种重要的机器学习算法,随机森林算法普遍适用于大部分数据集。通过使用PSO算法优化并采用对叶节点加权的方式,可以改善传统随机森林算法的性能,提升其分类能力。利用PSO算法全局搜索能力强、收敛速度快的优势,根据决策树分类能力的不同对其进行优化,获得叶节点的投票权重,最终采取多棵决策树投票法得出随机森林的结果。实验证明,改进后PSO优化的随机森林算法的准确度可比传统的随机森林算法提升19.1%。
-
关键词
粒子群算法
决策树
数据挖掘
加权随机森林
自适应优化
-
Keywords
particle swarm optimization
decision tree
data mining
weighted random forest
adaptive optimization
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于时态关联规则的网络故障预报
- 2
-
-
作者
吴颖智
胡明祺
-
机构
广东物资集团汽车贸易公司
-
出处
《电脑知识与技术》
2009年第8期6162-6165,共4页
-
文摘
该文针对网管告警数据库中时间序列存在的连续性、不确定性和模糊性问题，提出了一种基于时态关联规则挖掘告警库的新方法。该方法引入告警数据的时间序列，可预测出一些告警（联合）事件的发生将导致哪些告警（联合）事件的随后产生。通过对某校园网的告警数据库进行规则挖掘实验，表明该方法可以准确、有效的挖掘出隐含在海量网管告警数据库中大量有意义的时态关联规则，规则中的概率参数（置信度和支持度）可作为网络管理的先验知识用来指导网络故障的诊断和预报。
-
关键词
网络管理
数据挖掘
故障预报
告警数据库
时态关联规则
-
Keywords
network management
data mining
fault prediction
alarm database
time-series rules
-
分类号
TP393
[自动化与计算机技术—计算机应用技术][自动化与计算机技术—计算机科学与技术]
-
