随机森林

摘要： 背景:筛选关键动作技术指标用以指导专项训练或比赛是提升比赛成绩的关键。男、女运动员动作技术差异明显,男、女运动员的关键动作技术指标尚未可知。目的:筛选影响速度攀岩精英运动员比赛成绩的关键动作技术指标,为速度攀岩的科学训练提供方向与理论支撑。方法:选用2017-2021年间攀岩世锦赛、世界杯和中攀联赛中速度攀岩决赛视频,获取男、女前4名运动员的比赛样本(男子:109个,女子:117个),运用二维运动学分析法,采集运动员的反应时、触点特征和分段速度指标,分别建立男子与女子速度攀岩精英运动员的随机森林和XGBoost回归模型,计算各动作技术指标对比赛成绩影响力。结果与结论:①男子精英运动员的随机森林和XGBoost模型的均方根误差分别为0.224与0.265,r2分别0.765与0.686;关键动作技术指标为:左手触点时间总和、右手动作频率、右手触点时间总和、3-6号点速度、左脚动作频率、右脚触点时间总和、11-13号点速度、13-18号点速度、8-10号点速度、左脚触点时间总和、左手触点个数和右脚动作频率;②女子精英运动员的随机森林和XGBoost模型的均方根误差分别为0.066与0.055,r2分别为0.846与0.887;关键动作技术指标为:左手触点时间总和、右手触点时间总和、右手动作频率、左脚动作频率、左脚触点时间总和、8-10号点速度、右脚触点时间总和、10-11号点速度和13-18号点速度;③速度攀岩比赛上肢动作技术指标(触点时间总和与动作频率)的影响力高于下肢动作技术指标,触点个数对比赛成绩影响力不高,男子与女子精英运动员首要制胜段落分别为3-6与8-11号点段落。运动员应重点优化首要制胜段落的上肢触点时间,带动优化下肢触点时间指标,提升比赛成绩。

摘要： 提出提出一种基于小波包与随机森林的矿工运动状态识别算法MSR-WPT-RF,用于监测矿工生命体征,识别运动状态.实验测试结果表明,构建的矿工体域网生命体征采集节点具有低功耗性能、丢包率低、时延低等优点,运动状态识别算法能够取得最高91%的识别准确率.

摘要： 股票数据具有非线性和复杂性等特点,单一模型预测效果不佳,针对此问题,提出一种RF-LSTM组合模型,用于预测股票的收盘价.首先,利用Tushare财经数据包获取股票数据,构建特征集,并对数据进行归一化处理;其次,考虑到多特征之间存在高度的非线性和信息冗余问题,利用随机森林(RF)选择最优特征集,降低数据维度和训练复杂度;最后,利用深度学习中适合处理时间序列的长短期记忆网络(LSTM)对股票价格进行预测,并对预测模型进行参数调优.结果表明,与单一结构的LSTM神经网络模型预测相比,本文提出的RF-LSTM组合模型预测的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别减小了13.11％,6.70％和12.54％.该组合模型可提高股票价格预测的准确性.

摘要： 绘制耕地表层土壤有效磷空间分布图对精准农业管理和土壤环境评估具有重要意义.目前土壤磷数字制图研究大多面向充足土壤样点的平坦地区,基于稀疏样点的南方丘陵地区耕地土壤有效磷制图效果尚不清楚.本文以典型南方丘陵地区福建省建瓯市为研究对象,基于96个稀疏土壤实测样点,利用空间分辨率为10 m的Sen-tinel-2遥感影像获取的遥感变量,联合气象变量和地形变量建立随机森林(Random Forest,RF)模型预测建瓯市耕地表层土壤(0～20 cm)有效磷含量,并对比5种不同环境变量组合下的RF模型精度.结果表明,加入遥感变量后,地形、气象和pH组合的RF模型预测有效磷含量的精度显著提升[决定系数(R2)从0.36提升至0.59],联合全部变量(遥感、地形、气象和土壤pH)的RF模型预测精度最佳.遥感变量、气象变量、地形变量和土壤pH分别可以解释土壤有效磷含量的22.87％、30.64％、30.38％ 和16.11％,其中年均温、pH、地形湿度指数和高程是影响南方丘陵地区耕地土壤有效磷空间分布的主导因素.因此,利用遥感、气象、地形和土壤pH组合的RF模型是样点数量有限情况下预测南方丘陵地区县市域耕地土壤有效磷含量的有效方法.

摘要： 为提高遥感影像变质矿物提取精度,提升变质带的识别效果,以甘肃北山ASTER影像为研究区,结合了比值运算、多尺度分割、随机森林分类法进行变质矿物提取.?首先,通过矿物特征性光谱特征构造比值运算公式、进行影像增强;然后,对增强影像进行基于光谱及变差函数的多尺度分割;接着,采用随机森林法提取目标矿物;最后,通过野外勘查、采样、薄片鉴定进行精度评价.?结果表明,黑云母、白云母、角闪石在ASTER影像上具有鉴定性特征,提取精度分别为85.4088％、84.7640％和85.7308％;其他含量较少的变质矿物提取精度可达到60％以上.?多尺度分割能充分利用矿物的丛集特征;变差函数纹理能增强形态特征对矿物的区分能力;随机森林分类法对矿物混合引起的噪声不敏感、提取结果稳定.

摘要： 为了更加快捷、高效地判定边坡稳定与否,基于机器学习,融合主成分分析法(PCA)、参数调整、影响因素权重分析等,建立了一种边坡安全稳定性评价体系.研究发现,运用PCA可以在保留80％数据原信息的前提下将输入变量维度从六维降至三维,但此时模型效果有所下降;随机森林及梯度提升(XGBoost)两种学习算法均可搭建有效的边坡安全稳定性评估模型,通过对其预测效果的对比分析,确定XGBoost为最佳评价模型.与此同时,采取卡方检验、F检验以及互信息法3种相关性检验手段,并通过计算评价因子的重要程度且加以可视化展示,明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性,最终将评估结果与实际结合提出了边坡安全防护措施.

摘要： 为提升冠状动脉粥样硬化性心脏病的防治水平,赋能智慧医疗,以心内科医疗信息化数据为对象,对冠状动脉粥样硬化性心脏病早期预测方法展开研究。阐述了从医疗信息系统中采集模型所需样本的数据筛选、数据清洗、文本预处理、文本表示以及特征归一化方法流程,提出了一种基于粒子群优化的随机森林预测方法。该方法以k折交叉验证平均准确率为目标函数,能够自适应优化随机森林的模型参数,从而提升模型的分类能力。实验结果表明,在真实世界冠心病数据的预测上,该方法具有较高的预测精度,准确率为87%,灵敏度为87%,特异度为88%,AUC为0.91,较未优化的随机森林具有明显的提升。因此,对冠状动脉粥样硬化性心脏病的早期预测应用具有一定的参考价值。

摘要： 近年来,伴随着企业的数字化转型快速落地,内部数据泄露和受高级可持续威胁攻击(Advanced Persistent Threat,APT)的风险不断升级,传统的接入管控模式暴露出一系列问题。针对广域网和云计算环境下接入访问的高度动态化特点,设计动态信任度量的接入管控体系,通过信任持续度量实现对接入访问的动态管控,在不断变化的环境下保障用户接入与访问的安全。同时,针对信任度量核心问题,提出了一种基于随机森林的信任度量算法,有效解决模型应用中样本数量不平衡的问题,加快学习收敛。该算法可应用在广域网络和云平台等不同的网络环境。

摘要： 直流输电电流转换过程中产生大量的热量,阀冷系统的作用是对热量进行及时消散,以保证系统稳定运行,是直流输电工程的核心设备。膨胀罐是保证阀冷系统压力稳定的关键,提前预测膨胀罐排气、补气阀状态能提高系统运行效率。膨胀罐液位是反映其状态的重要指标,该文建立基于随机森林算法的阀冷系统膨胀罐液位预测方法。首先,采集阀冷系统重要参数数据,包括电极功率、环境温度、内冷进(出)阀温度等,分析关联数据对膨胀罐液位的影响关系;其次,开发随机森林回归算法,利用训练集数据对膨胀罐的液位进行预测建模,得到预测模型;最后,利用测试集数据对所建立的预测模型进行综合仿真,结果表明模型预测数据能够很好地与实测数据拟合,说明该文膨胀罐液位预测模型的有效性。

摘要： 水库作为重要的防洪工程措施之一,在保证国民经济持续增长、维持社会稳定及缓解水资源供需矛盾等方面发挥了重要的作用,科学合理的水库防洪调度更能有效地促进其作用的发挥。针对目前水库防洪调度中存在的对历史洪水调度数据信息利用不足的问题,提出了采用随机森林(RF)回归算法制定水库防洪调度方案的新方法。首先,对历史洪水数据进行优化调度生成洪水优化调度数据集,由RF回归算法确定影响水库泄流量的主要影响因素;然后,将训练样本洪水过程逐时段的主要影响因素和泄流量输入RF回归算法生成泄流量回归树;最后,由回归树拟定验证样本洪水过程的泄流量。山东省田庄水库的实例论证了本方法的可操作性和合理性。

摘要： 为增强工程结构模态参数识别方法的环境适应能力与抗干扰能力,基于机器学习中的随机森林方法,进行结构模态参数自动识别技术研究,以解决单一识别方法在不同环境场合识别结果差异较大的问题.根据预先采集的不同振动环境下的加速度数据形成训练样本,然后通过随机森林的随机抽样技术与子决策树投票法,克服原始决策树的易过拟合、分类准确性不高等问题,达到准确分类、自动决策的目的.此方法简单有效,环境适应性较强,可在大型工程结构模态参数识别中应用.

摘要： 特征提取是电能质量扰动识别的关键步骤,然而传统的数学变换与浅层神经网络相结合的方法无法自动提取特征.为此,提出了一种基于卷积神经网络(CNN)和随机森林(RF)的混合模型来对三相电压暂降数据进行自动特征提取及分类.首先,将三相电压暂降数据转换为空间相量模型(SPM);其次,利用CNN对SPM进行特征提取;最后,将RF应用于分类.为了加快CNN训练速度并缓解过拟合,引入了Dropout、学习率指数衰减和自适应矩估计权值更新算法.实验结果表明,与其他分类方法相比,所提方法具有较好的泛化性能和较高的分类准确率,这为电压暂降识别提供了一种客观、高效的辅助手段.

摘要： 近年来,随着二胎政策的放开,人们生活水平的提高,饮食的不断提高和糖尿病的诊断标准不断完善,妊娠糖尿病的发病率逐年上升.以至于妊娠合并糖尿病仍是导致围生儿合并症发生甚至围生儿死亡的主要原因之一,危害极大.因此,针对妊娠糖尿病预测具有非常重要的研究意义.随着机器学习算法的不断发展,已经越来越多的机器学习和深度学习方法被用于对疾病发生进行预测.据此,本文提出一种基于模型融合思想的糖尿病预测方法,采用Stacking的设计思路,使用随机森林、CatBoost算法等分类方法作为初级分类器,使用逻辑回归作为次级分类器建立妊娠糖尿病预测模型.本文所用的数据来给予天池精准医疗比赛的患者诊断数据,得到的预测模型在验证集上正确率高于单个分类器,取得了较好的效果.

摘要： 归一化植被指数(NDVI)对了解区域生态变化特征,促进区域生态与社会经济可持续发展具有重要作用.本文利用MODIS NDVI数据,采用趋势分析法探讨了新疆塔里木盆地南缘20002015年生长季植被NDVI时空格局,进而分析NDVI空间集聚状态;然后,采用随机森林模型分析各驱动因子的重要性.结果表明:植被NDVI呈现“中间低四周高”的分布格局,整体缓慢增加;植被NDVI空间异质性显著,且以荒漠植被低低空间集聚为主,和静县高高集聚态势最显著.降水是驱动植被NDVI变化的主要影响因素,荒漠对降水的响应最敏感;人类活动在小范围内会对植被增长具有正向促进作用,在一定程度上促进了植被恢复,改善了区域生态环境.

摘要： 水稻是人类主要的粮食作物之一,实现多品种水稻的精细分类有利于推进水稻的栽培研究,但由于难度较大,目前利用遥感技术在该领域的研究还很少.本文选取了2016年20种水稻冠层高光谱反射率作为基础数据源,通过相关性过滤法对原始光谱范围划分子区间,从各子区间里依据本文提出的最优区分度波长指数法挑选出了敏感波段,利用无人机搭载包含上述敏感波段的多光谱相机拍摄2017年另外9种水稻的影像,并从中提取基于灰度共生矩阵的纹理参数,结合敏感波段和纹理参数构建了水稻品种精细分类模型.结果显示490nm,550nm,670nm等六个波段对于水稻的品种有较好的区分度,基于随机森林的分类模型效果最佳,精度达到了78.3%,这表明了本文方法的可行性,同时也为后续研究提供参考.

摘要： 随着社会的快速发展,无论是在国防领域还是在日常生活各个方面中,导航技术都有着越来越重要的意义.在室外环境中,定位导航技术日渐成熟,近年来,随着智慧城市建设的不断推进,在一些人口密集的商场、停车场等室内公共场所,基于位置信息服务的位置导航、环境感知和对人或物的实时监控的需求不断增加,高精度的室内定位技术也因此成为研究热点.针对现有的室内定位方法存在高成本、低精度、鲁棒性低等问题.一些学者尝试将机器学习引入室内指纹定位中,机器学习作为一种数据分析的智能工具,具有强大的自学习能力,通过机器学习的思想解决上述问题,能够提高室内定位精度、增强系统鲁棒性,同时降低成本,提高室内定位方法的性能.本文首先详细综述了基于K-最近邻、支持向量回归、随机森林、卷积神经网络、循环神经网络五种机器学习方法在室内定位中的应用,然后分析了这些方法的应用到室内定位研究中的优缺点,总结了基于机器学习的室内定位方法面临的困难与挑战,最后展望了基于机器学习的室内定位方法未来的一些发展方向.

摘要： 提高基于雷诺平均N-S方程对分离流动预测精度是目前广受关注的研究问题.本文以线性涡粘模式作为基准,采用多种机器学习算法,以直接数值模拟或大涡模拟的结果作为数据库,训练从流场平均特征量到雷诺应力特征量的映射模型.研究中首先采用随机森林方法对不同平均场特征量作为训练模型输入的重要性进行排序,基于重要度结果选取影响较大的特征量建立多层感知机神经网络.结果表明输入特征量的选择、流场输入数据的筛选以及输出量的无量纲化和归一化方式对训练模型的收敛性和预测精度影响较大.神经网络对于涡粘性场的预测精度能够对平均场产生正确的修正,神经网络预测雷诺应力的非线性修正项的效果仍需要进一步验证.

摘要： 随着新电改政策的不断推进,用户短期负荷的精细化预测成为供电部门的重视问题.考虑了风速,湿度,气温,气压等气候因素对短期负荷的影响,并结合历史负荷建立基于XGBoost的短期负荷预测模型.利用某省某工业园区用户数据进行实验,并与随机森林算法的结果进行比较.实验显示出了XGBoost算法在短期负荷预测中的有效性与优越性.

摘要： 随着无人机技术逐渐成熟、成本越来越低廉,无人机在生活中的应用逐渐增多,诸如无人机送快递、更换路灯、喷洒农药.但是无人机的飞行安全问题仍需要加以重视,无人机在飞行中遇到突发事件轻则坠机,重则危及地面财产甚至人身安全.针对这一问题开发了基于大数据的无人机飞行预警系统,能够自主判断无人机的飞行安全状况.完成了对飞行数据的采集和标注,采用了随机森林、AdaBoost和额外树3种算法相结合的方式对标注后的数据进行训练,最终将机器学习算法部署在阿里云服务器上,能够实时对无人机当前飞行的安全状况进行判断.整套系统的时延低于0.5s,准确率高达93.8％.

摘要： 选址开店,是在商业街还是做社区,都需要开店人做出决策,位置的优劣直接关系到店铺生意的好与坏.从目前超过七成的街铺都处于亏损的状态来看,这些店主决定在某个位置开店时,起码是没有对当地市场进行过周密的调查与分析.盲目选址,让开店变成了一场游戏一场梦.随着小商铺换手率越来越高,开店人越来越倾向于精确选址,通过大数据计算,综合各项因素,获取最终选址位置,从而使选址不再盲目.

摘要： 本发明涉及一种电力线点云分割方法及系统，属于电力设备勘测维护领域，具体是涉及一种基于随机场和随机森林的电力线点云分割方法及系统。本发明融合马尔科夫随机场和随机森林的电力线点云分割，通过对点云体素化并结合马尔科夫随机场(MRF)进行线性分割，再在杆塔检测识别的基础上提取电力线分割段，从而提取电力线点云，实现对电力线的自动完整提取，具有较高的自动化程度，且提取精度较高。本发明针对大型电力线三维复杂场景，提出一种快速、精确且完全自动化的电力线检测方案，对不同电力线通道场景具有普遍适用性，对电力线的自动化提取和重建具有重要意义。

摘要： 本发明涉及一种电力线点云分割方法及系统，属于电力设备勘测维护领域，具体是涉及一种基于随机场和随机森林的电力线点云分割方法及系统。本发明融合马尔科夫随机场和随机森林的电力线点云分割，通过对点云体素化并结合马尔科夫随机场(MRF)进行线性分割，再在杆塔检测识别的基础上提取电力线分割段，从而提取电力线点云，实现对电力线的自动完整提取，具有较高的自动化程度，且提取精度较高。本发明针对大型电力线三维复杂场景，提出一种快速、精确且完全自动化的电力线检测方案，对不同电力线通道场景具有普遍适用性，对电力线的自动化提取和重建具有重要意义。

摘要： 基于随机森林和多源遥感技术的森林蓄积量空间制图方法，涉及森林蓄积量空间制图领域，包括：地理加权回归建模；数据获取；数据预处理和遥感指数计算；获取均质对象；多源遥感指数值提取；相关分析和冗余性计算，筛选预测因子；利用随机森林算法建模和未知节点森林蓄积量预测；模型精度评价，森林蓄积量制图，得到10米分辨率的区域森林蓄积量空间分布。本发明利用森林蓄积量实测样点、GEDI激光雷达足迹产品、Sentinel‑1雷达和Sentinel‑2可见光地表反射率影像及地形产品，利用地理加权回归建模和面向对象的机器学习方法应用于森林蓄积量空间制图中，实现科学、快速、精准的区域森林蓄积量空间预测。

摘要： 基于Sentinel卫星影像和随机森林算法的森林沼泽提取方法，涉及一种利用遥感数据和随机森林算法的森林沼泽精准识别提取方法。本发明是为了解决现有的单一光谱遥感数据无法准确探测获取森林沼泽分布信息的问题，本方法如下：一、筛选获Sentinel‑1GRD与Sentinel‑2MSI影像；二、空间上的VV与VH后向散射系数图像；三、计算Sentinel‑2影像的红边指数、植被指数与水体指数指数特征；四、获取研究区Sentinel‑1雷达与Sentinel‑2红边多光谱波段融合特征反射率信息；五、提取训练样本与验证点模型；六、研究区整体森林沼泽地物类型信息识别与提取、精度验证；七、对研究区内森林沼泽区域进行裁剪，得到森林沼泽分布范围信息。本发明解决了被遮蔽水体的森林沼泽被错分为林地的问题。

摘要： 本发明提供基于半监督随机森林和深度森林回归集成的二噁英排放浓度预测方法。城市固废焚烧(MSWI)过程排放的二噁英(DXN)是浓度的实时检测是实现MSWI过程运行优化控制的关键因素之一。然而，受限于DXN浓度获取的时间和经济成本，仅可获得少量的建模数据。因此，传统的有监督建模方法难以满足实际需求。为了充分利用工业现场分布式控制系统实时获取的过程数据，首先，随机采样有标记数据生成多个训练子集。接着，利用训练子集构建多个RF模型，并对未标记的过程数据进行伪标记。最后，利用由伪标记数据和原始有标记数据组成的混合样本训练用于预测二噁英排放浓度的深度森林回归模型。在基准数据集和实际DXN数据上的实验结果验证了所提方法的有效性。

摘要： 本发明涉及电网物资质量检测技术领域，具体地说是一种基于随机森林的避雷器绝缘状态评估方法，从避雷器的带电检测信息、在线监测信息、物资检测信息和环境信息中挑选特征参量，组成绝缘状态特征变量数据集，基于随机森林算法构建避雷器绝缘状态评估模型，其评估结果可为电网避雷器运行维护提供理论支撑，最大程度地发挥避雷器的防雷功能。

摘要： 本发明公开了一种基于卡尔曼滤波和随机森林的FTO攻击检测缓解方法，属于计算机网络安全领域。其中所述的方法包括：基于滑动窗口对OpenVSwitch软件交换机采集，获取交换机流表项数，并使用卡尔曼滤波预测下一时刻的流表项数，根据阈值判定是否进行攻击检测；提取交换机流表整体特征，输入攻击检测模型进行攻击检测判定；提取交换机单条流表项特征，输入攻击缓解模型进行判定，若判定为攻击流表项则加入驱逐列表进行删除；若流表项数仍超过设定的正常值，计算每条流表项的重要性得分，基于阈值驱逐重要性得分低的流表项。本发明提出的FTO攻击检测缓解方法具有较高的准确率和较低的误报、漏报率，能够实际部署在SDN交换机上，是一种有效的FTO攻击检测缓解方法。

摘要： 本申请涉及一种基于随机森林的高压隔离开关发热故障诊断方法及装置，所述方法包括获取高压隔离开关的历史数据，对历史数据进行预处理构成数据集；对引起高压隔离开关发热故障的特征进行筛选；将训练集输入基于随机森林算法构建的发热故障诊断学习模型中进行迭代训练，并利用测试集进行性能进行验证更新模型参数，输出优化的随机森林学习模型，获得发热故障诊断结果。本发明利用随机森林能够提取出来影响高压隔离开关发热的影响数据，对每个因素对高压隔离开关的发热的影响程度，从而找到高压隔离开关的主要发热原因，并且检测出未来一批的隔离开关中潜在的发热设备，提前作好预警，辅助制定巡检策略以及帮助高压隔离开关的采买前的质量评估。

摘要： 本发明涉及土地利用分类技术领域，公开了面向土地利用分类的随机森林算法，本发明通过设置制作训练集、组成测试样本集、对训练集进行K折划分、根据影像数据和研究区域特性，确定决策树数量k和特征属性数n的范围，建立网格、抽取样本、将多次计算所有树在剩余1份训练样本时的预测效果、导入测试数据集，使用精度评价模型计算最优参数组合的精度等步骤的设置，使得该算法实现了自适应参数调优的随机森林算法，达到了提高土地利用分类精度的目的。并且该算法具有较好的准确率和运算效率，随机森林算法为了降低过拟合的风险性，使用平均决策树方法。同时随机森林具有良好的稳定性，不会受到个别决策树结果的影响。

摘要： 本发明公开了一种基于随机森林模型的线损检测系统，涉及电力线损检测技术领域。本发明包括核心服务器、数据库、数据获取模块、数据存储模块、模型处理模块、检测预警模块和终端控制模块，核心服务器向数据库调取参数，数据获取模块分别与核心服务器和数据库通信连接，数据存储模块与数据获取模块通信连接，终端控制模块分别与数据获取模块、模型处理模块和检测预警模块通信连接，模型处理模块与检测预警模块通信连接。本发明基于随机森林模型的线损检测系统，对输电线路线损检测操作的处理完成度更高，精度更高，可有效减少工作人员的工作负担，提升工作效率。