随机森林和k-近邻法在某型坦克变速箱状态识别中的应用

摘要

随机森林(Random Forests Algorithm,RFA)是一种包含多个分类树的组合分类器,其特点是在形成分类器的过程中能够对特征参量的重要性进行评估.论文将随机森林算法应用于某型坦克变速箱振动信号的特征选择中,采用了3类36个60维的特征样本集,选择产生了5个重要特征参量,采用k-近邻法对降维后的特征样本集进行分类,状态识别正确率最高达100%.