一种基于随机森林的多视图学习算法

摘要

随机森林是最经典的机器学习算法之一，并已获得广泛应用。然而观察发现，尽管现实中存在众多的多视图数据，并已获得了广泛的分析研究，但令人惊讶的是针对多视图场景的随机森林构建相当少。仅有的利用随机森林解决多视图学习问题的方法也都是先为各个视图生成各自的随机森林，然后在决策时才融合了多视图信息。这样的方法存在的一个显著不足是在其随机森林的构建阶段未利用多视图间的相关性，这无疑浪费了信息资源。为了弥补这一不足，本发明提出一种改进的基于随机森林的多视图学习算法。具体而言，在决策树的生成过程中进行视图融合，将视图间的信息交互融入到了决策树的构建阶段，实现了视图间互补信息在整个随机森林生成过程中的利用。此外，本发明还通过判别分析为决策树生成具有判别性质的决策边界，使其更加适合分类。