| 基于RF_AdaBoost模型的血液种属鉴别算法 |
| |
| 引用本文： | 魏曼曼,路皓翔,杨辉华.基于RF_AdaBoost模型的血液种属鉴别算法[J].高等学校化学学报,2020,41(1):94-101. |
| |
| 作者姓名： | 魏曼曼 路皓翔 杨辉华 |
| |
| 作者单位： | 1. 桂林电子科技大学计算机与信息安全学院;2. 电子工程与自动化学院, 桂林 541004;3. 北京邮电大学自动化学院, 北京 100876 |
| |
| 基金项目： | 国家自然科学基金(批准号:21365008,61105004);广西自动检测技术与仪器重点实验室主任基金项目(批准号:YQ18108)资助~~ |
| |
| 摘 要： | 针对人类和非人类血液种属鉴别对无损、 高效分析方法的需求, 结合随机森林(Random Forest)和AdaBoost(Adaptive Boosting Algorithm)算法, 提出了一种血液种属鉴别方法(RF_AdaBoost). 该方法将RF作为AdaBoost的弱分类器, 以达到提高模型鉴别准确度, 增强模型鲁棒性的目的. 采用RF、 支持向量机(SVM)、 极限学习机(ELM)、 核极限学习机(KELM)、 堆栈自编码网络(SAE)、 反向传播网络(BP)、 主成分分析-线性判别法(PCA-LDA)及偏最小二乘判别分析(PLS-DA)与RF_AdaBoost模型进行对比, 以不同规模血液拉曼光谱数据训练集进行鉴别实验评估其性能. 结果表明, 随着训练样本的增加, RF_AdaBoost鉴别准确度最高达100%, 预测标准偏差趋于0. 与其它模型相比, RF_AdaBoost具有较高的分类准确度及较强的稳定性, 为血液种属的鉴别工作提供了新方法.
|
| 关 键 词： | 拉曼光谱 随机森林 AdaBoost算法 集成学习 血液种属鉴别 |
| 收稿时间： | 2019-07-19 |
| 本文献已被 CNKI 维普 等数据库收录！ |
| 点击此处可从《高等学校化学学报》浏览原始摘要信息 |
| 点击此处可从《高等学校化学学报》下载免费的PDF全文 |
|
