基于随机森林的文本分类模型研究

随着WWW的迅猛发展，文本分类成为处理和组织大量文档数据的关键技术.随机森林模型是决策树的集成，并且由一随机向量决定决策树的构造. 当森林中决策树的数目增大，随机森林的泛化误差将趋向一个上界.将随机森林模型应用于文本分类,在Reuter21578数据集上的实验表明，分类效果比较好，性能比较稳定，将其同C4.5, KNN, SM0, SVM 4种典型的文本分类器进行了比较，结果显示它的分类性能胜于C4.5，同KNN, SMO和SVM方法相当.     

一种基于SVM-修正KNN算法的哈萨克语文本分类

为了实现哈萨克语文本分类,根据哈萨克语语法规则,给出了哈萨克语文本词干的提取方法;结合DFR特征选择方法和VSM文本表示模型实现哈萨克语文本的预处理,提出了一种SVM和修正KNN协同的文本分类算法,分别在自行构建的语料集和整理的《新疆日报》哈萨克语数据集上进行大量文本分类仿真实验.结果表明,该方法在哈萨克语文本分类上具有良好的分类性能,并比SVM,KNN的测试性能优越.     

基于深度随机森林的商品类超短文本分类研究

近年来，随着移动通信和信息技术的发展，网络上和实际应用场景中需要处理越来越多的长度不超过20字并且不带有辅助标签信息的超短文本数据.超短文本因其固有的词义多义性、文本特征极度稀疏、上下文明显缺失以及明辨语义困难等特点，如何对其进行有效地分类成为文本分类领域亟需解决的新问题.本文针对传统的短文本分类方法KNN和决策树在商品类超短文本上存在的由于特征稀少而导致分类器性能不佳的问题，提出了一种基于深度随机森林的商品类超短文本分类方法.该方法采用"分流"策略，利用外部知识库进行辅助，对知识库中存在明确类别的商品名直接确定其分类，对无法直接抽取类别的商品名，采用Word2vec对其在外部知识库中的描述进行向量化，并利用深度随机森林对向量进行分类，同时不断优化分类器直到训练集大小达到设定的阈值.实验结果表明，与传统的分类方法KNN和决策树相比，本文提出的分类方法在平均准确率上分别提高了22.78%和17.22%，平均召回率上分别提高了22.85%和15.23%.      

面向中文短影评的分类技术研究

针对电影影评语句短小、特征矩阵稀疏问题,提出一种利用本体扩展特征矩阵的方法。首先通过传统与新型文本分类方法的比较和分析,发现适合中文短影评的分类方法,并通过试验证明决策树的短文本分类效果优于SVM、Bayes和KNN等文本分类方法,然后进一步利用决策树分类本体扩展后的特征向量。试验表明,基于本体扩展的中文短影评的分类效果比传统的分类效果提高3%,查准率达到90.1%。     

基于演化超网络的中文文本分类方法

为了提高中文文本的分类效果,提出了一种基于演化超网络的中文文本分类方法.采用中国科学院计算技术研究所的汉语词法分析系统对中文文本进行分词,保留文本中的名词、动词和形容词作为特征;以X2统计方法进行特征选择;利用布尔权重计算特征权值.经处理后的特征向量作为系统的训练集和测试集数据.运用超边替代策略训练超网络分类模型,并实现对测试集特征向量的分类.对不同阶数设定下的演化超网络模型进行了性能分析,并将其与传统的KNN和SVM算法进行了比较.结果表明,本方法对复旦大学语料和搜狐语料可获得87.2％和72.5％的宏识别率、86.9％和70.5％的宏召回率、87.0％和71.5％的宏F1,接近或优于KNN和SVM分类方法.所提出的方法是一种有效的中文文本分类手段.     

基于分类精度和相关性的随机森林算法改进研究

为了提升传统随机森林算法的分类精度,本文首先对传统随机森林模型中的决策树根据分类性能评价指标AUC值进行降序排列,从中选取出AUC值高的决策树,计算这些决策树之间的相似度并生成相似度矩阵,然后根据相似度矩阵对这些决策树进行聚类,从每一类中选出一棵AUC最大的决策树组成新的随机森林模型,从而达到提升传统随机森林算法分类精度的目的。通过UCI数据集的实验表明,改进后的随机森林算法分类精度上最大提高了2.91%。     

一种基于深度学习的中文文本特征提取与分类方法

提出了一种基于卷积循环神经网络的文本特征提取方法,同时对比使用统计学中的TF-IDF以及Word2vec方法的文本特征表示,将提取的特征分别放入SVM与随机森林分类器中对来源于中国知网的中文学术论文数据集进行分类。实验结果表明,使用卷积神经网络和卷积循环神经网络特征提取模型提取的特征所取得的分类效果比TF-IDF、Word2vec特征提取方法得到的分类效果更好,同时使用SVM和随机森林分类器取得的分类效果略好于原生的神经网络。     

融入词和文本关系的文本表示模型研究

为了改善向量空间模型的稀疏性,提高文本分类的效果,在不引入外部知识的情况下,通过挖掘语料库内部的词间关系和文本间关系,将其以不同的方式融入原始矩阵,形成了4种新的文本表示模型,并通过文本分类实验来验证其表达能力。实验证明,融入词和文本关系能明显改善KNN和SVM的分类效果。     

改进的SVM在语音识别文本分类中的应用

利用改进的SVM分类算法处理汉语语音识别结果文本的分类问题,针对语音识别文本的特点简化了文本分类的预处理过程,调整支持向量机的分类超平面,并且自动优化参数,结合实际的识别结果文本集测试了改进的SVM性能,同时实现了KNN和贝叶斯分类算法,对3种分类性能进行了评价.     

基于两步策略的中文短文本分类研究

为更好地挖掘文本信息,研究了将两步策略用于中文短文本分类的3个关键问题,提出了基于组合朴素贝叶斯(NB)和K近邻(KNN)分类器的两步中文短文本分类方法:(1)直接利用NB和KNN的输出构造其对应的二维空间,根据该空间内错误文本的分布将测试文本集分为3部分:能被KNN可靠分类的文本集A,不能被KNN可靠分类但能被NB可靠分类的文本集B,其他文本集C.(2)用KNN、NB分别对文本集A和B进行分类,根据训练语料的类别分布,直接给属于文本集C的文本分配标签.与NB、KNN和支持向量机(SVM)的对比实验表明,该方法可获得较高的分类性能.     

基于改进的随机森林的人体部件识别

姿态估计是自然人机交互最为重要的环节,人体部件识别是姿态估计的重要步骤。本文介绍了一种基于特征预筛选的改进的随机森林的方法来识别人体各个部件。与传统的随机森林构造不同,在该方法中,对于特征空间十分庞大的实例给出了特征预筛选方法,使得每个分裂节点的特征子集更为高效。该方法既保证了树与树之间的独立,又保证了每棵树的分类性能。在树与树之间的组合中,根据人体部件构造,引入了和分层树的组合模型方式,提高了差异较小类的分类性能,进而提高了森林的准确性。     

林木遗传育种研究进展

林木遗传育种是研究森林遗传和林木良种选育理论与技术的科学。其因林木地理变异规律研究而萌芽,伴随着遗传学基本理论体系形成完成奠基,在不断推动遗传改良以满足人工林高效培育的良种急需中实现林木遗传育种现代理论和技术体系构建,并在进入21世纪之后开启了分子设计育种的深入发展阶段。经过近两个世纪的创新发展,林木遗传育种形成了一个适合树木生物学特点、遗传基础研究与育种创新应用紧密结合并协同发展的学科体系。其中,基于轮回选择不断推进以选择、交配、遗传测定为核心的育种循环,完成更高轮次的基本群体、育种群体、选择群体和生产群体建设,是可持续遗传改良的根本所在。在此基础上,或通过远缘杂交选育杂种优势突出的林木品种;或基于有性多倍体化开展多倍体育种,综合利用杂种优势和倍性优势,实现林木多目标性状改良;或采用转基因和基因编辑等分子育种技术,进一步改良已有林木品种或优异种质等。而林木良种生产仍然依赖传统的种子园制种和无性系制种,其中体胚发生技术实用化将是进一步实现种子繁殖树种遗传改良水平提升的有效途径。推动林木育种理论和技术创新,提高育种效率和效果,选育产量更高、品质更优、抗逆性更强、适应性更广的林木良种并应用于生产,保证用更少的人工林面积生产更多的木材及林产品,以减少对天然林的依赖,林木遗传育种在未来将发挥更大的作用。     

基于最优特征空间构建的随机森林算法在WorldView-2影像分类中的适用性研究

目前面向对象的分类研究中,对于研究区影像的分割尺度问题多以试验者的多次试验以及主观推断为主,缺乏定量化的评价标准。同时,在对遥感影像分类的算法选择以及在分类过程中,有效特征空间的选取均存在一定程度的主观性。针对遥感影像面向对象分类过程中分割尺度选择盲目及分类空间构造主观性较强的问题,以World View-2遥感影像数据为例,首先利用改进的全局最优分割尺度的方法获取研究区影像的最优分割尺度,在此基础上选取了研究区分割对象的48个特征,利用OOB误分率对各个特征的重要性排序;然后按重要性顺序以5为步长讨论特征数量对分类精度的影响,构建了用于分类的最优特征空间;最后将采用最优特征空间的随机森林算法获得的最佳分类结果,与面向对象的最邻近像元、决策树以及支持向量机分类算法进行了比较。结果表明,用于分类的特征数量与分类精度之间,并不是简单的正相关关系;与面向对象的最邻近像元、决策树以及支持向量机分类算法相比,利用最优特征空间进行随机森林分类的分类精度最高,表明该方法更适合于高分辨率World View-2数据的分类。     

西藏亚高山暗针叶林结构的研究

<正>一、西藏亚高山暗针叶林的组成结构多为单优结构和云杉、冷杉的同型复合结构。在分布带内,阴坡下段多云杉纯林,上段多冷杉纯林;阳坡下段多云,冷杉与高山栎混交林,上段多冷杉,云杉与大圆柏混交林,最上段多方枝柏纯林。 二、云杉林和冷杉林均为复层林。圆柏纯林多为单层林。亚高山暗针叶林的林下层片较完整,并有1—2个层片发育良好而稳定。阴坡的下段多有发育极好的苔藓层,上段多亚乔木状的杜鹃下木层;阳坡下段多由箭竹组成的下木层。草木层一般不发达,层外植物发育良好。 三、亚高山暗针叶林分立木的年龄跨幅大,主林层的立木在200—300年以上,林下立木多在100年左右。暗针叶林立木的生长持续期长,200—300年以上仍继续生长,而林下立木有潜在的生长优势。 四、亚高山暗针叶林的立木径级分布幅度宽,树高差异大。在立地条件好的林分中,立木胸径多在60—100厘米以上,树高40—50米以上,最高可达70余米。林分中高大立木的比例和林分蓄积量的变化规律是:湿润区>半湿润区,阴坡>阳坡,低海拔>高海拔(分布区内),云杉林>冷杉林>方枝柏林,藓类林型>灌木林型>箭竹林型>杜鹃林型>草本林型>高山栎林型。 五、鉴于亚高山暗针叶林的结构特点,建议采伐时一律实引择伐,严禁皆伐,采伐胸径在50厘米以上,年龄在150年以上立木。     

基于ULS、TLS和超声测高仪的天然次生林中不同林冠层树高估测

【目的】应用不同数据源分析不同林冠层中探测提取树高的异同,探索适用于中国北方天然次生林树高估测的方法。【方法】以东北林业大学帽儿山实验林场中林施业区0.25 hm²样地为研究区域,基于无人机激光雷达(unmanned aerial vehicle laser scanning, ULS)、地基激光雷达(terrestrial laser scanning,TLS)和Vertex IV超声测高仪实测单木树高,根据冠层高度分布(canopy height distribution, CHD)对林冠层进行分层,对不同林冠层(上层和下层)、不同树木类型(针叶树和阔叶树)探测提取的树高进行对比与分析。【结果】由CHD计算得到的冠层分层阈值为8.5 m。树高的离群值大多产生在林冠上层,阔叶树比针叶树更容易产生离群值,ULS比TLS更容易产生离群值。在林冠上层,ULS比TLS估测树高的相对均方根误差(rRMSE)低2.56%,ULS提取针叶树树高的rRMSE比阔叶树低2.68%;在林冠下层,ULS仅能探测到少量树木,ULS比TLS探测提取树高的 rRMSE高6.31%,TLS提取针叶树树高的rRMSE比阔叶树低1.16%。【结论】针叶树的树高估测精度普遍高于阔叶树;当TLS和ULS均能对单木进行完全扫描时,具有准确提取树高的潜力;树高离群值多由冠型不规则或相互交叉的阔叶树产生,而大部分针叶树,由于具有规则的冠型,所以产生的离群值较少;基于CHD对林冠层进行划分能够较好地反映不同数据源估测树高的适用范围,具有一定的推广意义。     

中国主要树种人工乔木林碳储量测算及固碳潜力分析

【目的】森林碳储量在陆地生态系统碳库中占主体地位,通过确定人工乔木林碳密度和植被固碳增值碳储量,预测人工乔木林碳汇潜力,为改善人工乔木林的林龄和树种结构、提高森林可持续经营水平,进而为提高人工乔木林单位面积蓄积量提供科学依据,助力我国实现增汇减排的目标。【方法】比较分析我国第8次(2009—2013)和第9次(2014—2018年)森林资源清查中各优势树种人工林的面积和蓄积量数据,采用联合国政府间气候变化专门委员会(IPCC)材积源-生物量法(volume-biomass methods)分别估算并对比我国6种主要树种人工乔木林的碳储量和碳密度,分析人工乔木林碳储量和碳密度在两次森林资源清查期间增值部分的碳贡献率,综合评价我国不同林龄结构人工乔木林的固碳功能;采用拟合的单位面积蓄积-林龄的Logistic回归生长方程,结合IPCC材积源-生物量法,预测不同龄级各优势树种的蓄积量,估算我国现有人工乔木林未来15年及至2035年的碳汇增值潜力。【结果】两次森林资源清查期间,我国主要人工乔木林总碳储量增加了498.81 Tg,年均增加量99.76 Tg。第9次资源清查结束时,6个主要树种不同林龄(组)人工乔木林的碳储量由大到小依次为过熟林(439.19 Tg)>成熟林(426.43 Tg)>近熟林(359.75 Tg)>中龄林(292.34 Tg)>幼龄林(105.15 Tg),分别占人工乔木林总碳储量的27.07%、26.28%、22.17%、18.02%和6.47%;不同龄组的碳密度从小到大依次为过熟林(59.17 Mg/hm²)<幼龄林(169.12 Mg/hm²)<成熟林(178.13 Mg/hm²)<近熟林(190.38 Mg/hm²)<中龄林(348.09 Mg/hm²)。到2035年,我国主要树种人工乔木林碳储量和平均碳密度将分别达到1 716.27 Tg和36.51 Mg/hm²,与2015年相比分别增加92.92%和93.17%。【结论】两次森林资源清算结果相比,6种主要树种人工乔木林的碳储量均有显著增加,随着林分的不断成熟,碳储量呈现出线性正向增加的趋势,而碳密度受蓄积量与面积比的影响其增幅各不相同;至2035年人工乔木林碳储量约占乔木林总碳储量的20%,可以预见中国人工乔木林碳储量有很大的增加潜力。     

树木管胞大小对于西伯利亚南部林草交错带森林生长及环境适应性的指示意义

为了研究木质部细胞、树木个体和森林群落3个尺度之间的关联, 在西伯利亚南部以西伯利亚落叶松(Larix sibirica)和欧洲赤松(Pinus sylvestris)为主的3个采样点37个样地, 测量725根树芯的树木年轮宽度, 采用系统随机的方法选择其中195个树芯进行管胞大小的测量和计算。结果表明, 尽管局地环境和树种组成有所不同, 但在树木个体和森林群落两个水平上, 管胞大小与树木径向生长的年际变化显著相关。较小的平均管胞尺寸指示更低的年际生长量和更高的年际生长波动。平均管胞大小对半干旱区针叶林生境湿度和森林生长适应性具有指示作用, 揭示树木通过调节管胞的大小在生长适应与生长安全性二者间的权衡机制。