Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
 
+7 (4912) 72-03-73
 
Интернет-портал РГРТУ: http://rsreu.ru

УДК 004.855.5

АЛГОРИТМ СЛУЧАЙНОГО ЛЕСА В ЗАДАЧЕ ПОВЫШЕНИЯ КАЧЕСТВА SVM-КЛАССИФИКАЦИИ

Л. А. Демидова, д.т.н., профессор кафедры ВПМ РГРТУ; Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра..
И. А. Клюева, аспирант РГРТУ; Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра..

Целью работы является повышение качества SVM-классификации (Support Vector Machine classification) объектов посредством гибридизации SVM-классификатора с RF-классификатором на основе алгоритма случайного леса (Random Forest, RF-algorithm), используемым в качестве вспомогательного. Уточнение классификационных решений, полученных при разработке SVM-классификатора на основе некоторого набора данных, выполняется для объектов, находящихся вблизи гиперплоскости, разделяющей классы, в экспериментально определяемых подобластях, содержащих как верно, так и ошибочно классифицированные объекты. В случае повышения качества классификации объектов из рассматриваемого набора данных предлагаемый гибридный подход к классификации объектов может быть рекомендован для классификации новых объектов. При разработке SVM-классификатора используются фиксированные значения параметров, задаваемые по умолчанию. Сравнительный анализ результатов классификации, полученных в ходе вычислительных экспериментов при гибридизации SVM-классификатора с двумя вспомогательными классификаторами – RF-классификатором и классификатором на основе алгоритма k-ближайших соседей (kNN-классификатором), для которых значения параметров определяются случайным образом, подтверждает целесообразность применения этих классификаторов для повышения качества SVM-классификации. При этом выявлено, что в большинстве случаев RF-классификатор работает лучше, чем kNN-классификатор, в смысле повышения качества SVM-классификации.

Ключевые слова: интеллектуальный алгоритм классификации, SVM-алгоритм, алгоритм k-ближайших соседей, алгоритм случайного леса, опорный вектор, функция ядра, параметр функции ядра, параметр регуляризации, гибридизация.

 Скачать статью