作者：甘胜江; 白艳宇; 孙连海; 何俊林机器学习k近邻随机森林支持向量机目标分类
摘要：对K近邻和随机森林学习方法进行改进,提出一种融合的机器学习方法。通过计算待分类特征与训练库中各个类中心之间的距离,进行最近邻分类,增强K近邻学习方法的鲁棒性,提高其运算效率;通过随机划分将改进KNN分类器的多元输出转化为二元输出,用其构建随机森林中各个决策结点的决策函数,降低各决策结点数据的错分率,提高随机森林学习方法的目标分类正确率。实验结果表明,该方法对手写数字目标的分类正确率高于经典的K近邻、Adaboost、支持向量机和随机森林学习方法。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
