来源:《高等学校化学学报》2020年第01期  作者:魏曼曼;路皓翔;杨辉华;
选择字号

基于RF_AdaBoost模型的血液种属鉴别算法

收藏本文  分享

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Ada Boost(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Ada Boost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.(本文共计8页)......[继续阅读本文]

下载阅读本文订阅本刊

图书推荐

    相关文章推荐

    看看这些杂志对你有没有帮助...

    更多杂志>>