一种改进的旋转森林分类算法.pdfVIP

第 35卷第 12期 电 子 与 信 息 学 报 Vo1．35NO．12 2013年12月 JournalofElectronics＆InformationTechnology Dec．2013 一 种改进的旋转森林分类算法 韩 敏 刘 贵 (大连理工大学电子信息与电气工程学部 大连 1160241 摘 要：随着信息技术的发展，人们获取的数据量越来越大，数据类型也趋于复杂，如何更好地处理这些数据，以 取得好的分类结果，是一个挑战性的工作。该文提出一种将旋转森林(ROtationForest，ROF)算法与极限学习机 (ExtremeLearningMachine，ELM)神经网络相结合的混合算~k(ROF—ELM)，在改善原始旋转森林算法中存存的过 拟合现象的同时提高算法的分类精度。在基于 UCI数据集以及实际遥感影像分类的实验仿真中，相比传统的集成 分类算法，ROF—ELM 提高了分类精度，同时具有更强的稳定性与泛化性能。 关键词：特征提取；旋转森林；极限学习机；集成分类器 中图分类号：TP181；TP751 文献标识码：A 文章编号：1009—5896(2013)122896—05 D0I：10．3724／8P．J．1146．2012．01707 AnImprovedRotationForestClassificationAlgorithm HanM in LiuBen (FacultyofElectronicInformationandElectricalEngineering，DalianUniversityofTechnology，Dalian116024，China) Abstract：W ith thedevelopmentofinformation technology，peopletend todealwithlargeamountofdatawith complexdatatypes．Therefore．how todealwith thesedatawelltoachievegoodclassification resultsisahighly challenging task．In thispaper，anew hybrid algorithm ROF—ELM isproposed，which both combinesthe advantagesofROtationForest(ROF)algorithmandExtremeLearningMachine(ELM)neuralnetwork．Thenew algorithm solvestheover—fittingproblem oftheoriginalRotationForestalgorithm andimprovestheclassification accuracy aswel1．Theproposed ROF—ELM algorithm isexperimented on theUCIdatasetsandremotesensing image．Comparedtoclassicalensemblealgorithm ，ROF—ELM improvestheclassificationaccuracy，andhashigh stabilityandgeneralization performanceatthesametime． Keywords：Featureextraction；ROtationForest(ROF)；ExtremeLearningMachine(ELM)；Ensembleclassifier 1 引言 类器之问的差异性，也可 以改进集成分类器的性能。 由于现今获取的数据量越来越大，数据类型也 因此，围绕提高集成分类器的分类效果的方法