一种新的直觉模糊决策树随机森林集成
人工智能
2024-03-19 v2
摘要
分类在数据挖掘、人工智能和故障检测领域的应用中至关重要。迫切需要开发具有广泛适用性的准确、合适且高效的分类方法和算法。随机森林是一种常用于复杂条件下分类的通用算法。尽管其已被广泛采用，但其与各种模糊理论的结合仍值得探索。本文提出了直觉模糊随机森林（Intuitionistic Fuzzy Random Forest, IFRF），这是一种由直觉模糊决策树（Intuitionistic Fuzzy Decision Trees, IFDT）组成的新型随机森林集成。森林中的这些树利用直觉模糊信息增益来选择特征，并考虑信息传递中的犹豫度。所提出的方法兼具自助采样和特征选择的随机性力量、模糊逻辑与模糊集的灵活性，以及多分类器系统的鲁棒性。大量实验表明，与其他最先进的模糊和集成算法相比，IFRF 具有竞争力且优越的性能。IFDT 更适合集成学习，具有出色的分类准确率。本研究是首次提出基于直觉模糊理论的随机森林集成。
引用
@article{arxiv.2403.07363,
title = {A New Random Forest Ensemble of Intuitionistic Fuzzy Decision Trees},
author = {Yingtao Ren and Xiaomin Zhu and Kaiyuan Bai and Runtong Zhang},
journal= {arXiv preprint arXiv:2403.07363},
year = {2024}
}