基于决策树准确率和相关性度量的信号随机森林分类方法、系统及装置制造方法及图纸

基于决策树准确率和相关性度量的信号随机森林分类方法、系统及装置，属于信号分类识别领域。为了解决传统随机森林分类器中单个决策树分类器的分类准确率低的问题。本发明专利技术首先建立决策树，用3组预留的数据集分别对每棵决策树进行验证，计算第i棵决策树的准确率，将所有决策树按分类准确率降序排序；针对确定的数据集，采用向量内积方法计算并保存决策树之间的內积数值，将向量內积小于等于內积阈值的决策树保留，否则将计算向量内积的每一对决策树中分类准确率低的决策树标记为可删除；按照分类准确率从低到高依次删除被标记为可删除的决策树，直到剩下的决策树数量为N；采用最终的分类器投票决定最终的分类结果。主要用于信号的分类识别。

【技术实现步骤摘要】
基于决策树准确率和相关性度量的信号随机森林分类方法、系统及装置
本专利技术属于信号分类识别领域，具体涉及一种电子设备的信号分类识别方法、系统及装置。
技术介绍
在电子设备检测
，经常会针对密封电子设备/密封电子元器件进行信号检测，但是目前的信号检测方法存在准确率不高等问题，尤其是针对于类似多余物信号与组件信号的检测识别，多余物信号是密封继电器受到外界激励时，游离的多余物微粒碰撞密封器件内壁后因振动而发出的声音信号；组件信号是继电器在施加振动后内部固有松动器件发生的振动信号。组件信号和多余物信号经示波器输出的波形形状相似，而且有时存在组件信号、噪声信号覆盖多余物信号的情况，这就会增加多余物信号识别的难度。所以现有方法的识别还存在着诸多问题，例如目前利用微粒碰撞噪声检测法识别多余物信号主要存在以下问题：由于有些密封继电器内部结构复杂，在进行多余物信号识别时，干扰较大，对于检测到的信号进行分类时，并不能进行准确区分；实际上现有的方法在检测其他信号时也存在这样的问题，而针对于多余物信号与组件信号问题更加突出，目前并没有能够准确区分二者的方本文档来自技高网...

【技术保护点】
1.基于决策树准确率和相关性度量的信号随机森林分类方法，其特征在于，包括以下步骤：/nStep 1：在密封电子设备/密封电子元器的信号数据集中选出3组数量相等的带标签的数据集，作为每棵决策树模型建立之后分类准确率预测的测试集；/n所述的密封电子设备/密封电子元器的信号包括多余物信号与组件信号；/nStep 2：确定基分类器个数N和特征子集中特征的个数，在剩余数据集中采用Bagging算法有放回的进行N+m*N次采样，建立决策树；/nStep 3：用3组预留的数据集分别对每棵决策树进行验证，记录每组数据集的分类准确率

【技术特征摘要】
1.基于决策树准确率和相关性度量的信号随机森林分类方法，其特征在于，包括以下步骤：
Step1：在密封电子设备/密封电子元器的信号数据集中选出3组数量相等的带标签的数据集，作为每棵决策树模型建立之后分类准确率预测的测试集；
所述的密封电子设备/密封电子元器的信号包括多余物信号与组件信号；
Step2：确定基分类器个数N和特征子集中特征的个数，在剩余数据集中采用Bagging算法有放回的进行N+m*N次采样，建立决策树；
Step3：用3组预留的数据集分别对每棵决策树进行验证，记录每组数据集的分类准确率其中i＝1,…,N+m*N，表示第棵决策树，j＝1,2,3表示第棵树的第组数据集；
Step4：计算第i棵决策树的准确率
Step5：将所有决策树按分类准确率降序排序；
Step6：将3组数量相等的带标签的数据集中的一个数据集作为确定的数据集，针对确定的数据集，采用向量内积方法计算并保存决策树之间的內积数值，并使用网格搜索算法寻找內积阈值n；将向量內积小于等于內积阈值的决策树保留；
针对向量內积高于內积阈值的决策树，将计算向量内积的每一对决策树中分类准确率低的决策树标记为可删除；
Step7：按照分类准确率从低到高依次删除被标记为可删除的决策树，直到剩下的决策树数量为N；如果被标记可删除的决策树都删除以后，决策树量还大于N，则在保留的决策树中，继续按照...

【专利技术属性】
技术研发人员：王国涛，孙志刚，高亚杰，李超然，梁晓雯，
申请(专利权)人：黑龙江大学，
类型：发明
国别省市：黑龙江;23