[发明专利]基于加权的深度森林的机器学习方法在审
| 申请号： | 201810695937.3 | 申请日： | 2018-06-29 |
| 公开（公告）号： | CN109241987A | 公开（公告）日： | 2019-01-18 |
| 发明（设计）人： | 夏正新 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N20/00 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 姚姣阳 |
| 地址： | 210003 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于加权的深度森林的机器学习方法，其中深度森林包括多粒度扫描与级联森林；多粒度扫描可通过获取多个特征子集产生相应类向量，产生的类向量被拼接到原始的样本特征空间里，作为后面级联森林的输入特征；级联森林用以实现表征学习并包括随机森林和完全随机树森林，森林之间通过层级方式形成级联结构；通过计算每一级森林中每棵子树的预测精度的相应权重，再对各个子树的预测概率向量进行加权求和，从而找出整个森林的预测结果；不但提高了深度森林的预测精度，而且降低了级联级数。 | ||
| 搜索关键词： | 森林 级联 加权 机器学习 向量 预测 扫描 层级方式 概率向量 级联级数 级联结构 输入特征 随机森林 特征子集 样本特征 预测结果 每一级 随机树 求和 权重 子树 学习 | ||
【主权项】：
1.一种基于加权的深度森林的机器学习方法，其中深度森林包括多粒度扫描与级联森林；所述多粒度扫描可通过获取多个特征子集产生相应类向量，所述类向量被拼接到原始的样本的特征空间里，作为后面级联森林的输入特征；所述级联森林用以实现表征学习，其包括随机森林和完全随机树森林，森林之间通过层级方式形成级联结构；其特征在于：通过计算每一级森林中每棵子树的预测精度的相应权重，再对各个子树的预测概率向量进行加权求和，从而找出整个森林的预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810695937.3/，转载请声明来源钻瓜专利网。
