首页|改进RF算法在高维不平衡大数据分类处理中的应用

改进RF算法在高维不平衡大数据分类处理中的应用

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
受大数据类别不平衡性影响,传统分类方法的分类性能会大幅度下降.针对上述问题,进行改进RF算法在高维不平衡大数据分类处理中的应用研究.首先针对不平衡大数据采用过采样技术,以增加少数类样本数量,实现大数据平衡化;然后利用主成分分析法提取大数据主成分特征,同时实现数据降维;最后利用粒子群算法改进RF算法构建改进RF分类模型,实现高维不平衡大数据分类处理.结果表明,与3种传统方法相比,基于改进RF的分类方法分类准确性更高,由此证明该方法的分类性能更强,更有利于处理高维不平衡大数据.

劳雪松、郑健

展开 >

安徽警官职业学院 信息管理系,安徽 合肥,230031

安徽大学 网络思政中心,安徽 合肥,230031

高维不平衡大数据 改进RF算法 粒子群算法 分类处理

2024

桂林航天工业学院学报
桂林航天工业学院

桂林航天工业学院学报

影响因子：0.288
ISSN：2095-4859
年,卷(期)：2024.29(3)