[1]顾海艳,王 权.基于随机森林算法的吸毒人员甄别模型研究[J].南京师范大学学报(自然科学版),2019,42(02):44-49.[doi:10.3969/j.issn.1001-4616.2019.02.007]
　Gu Haiyan,Wang Quan.Research on Drug Addicts Screening ModelBased on Random Forest Algorithm[J].Journal of Nanjing Normal University(Natural Science Edition),2019,42(02):44-49.[doi:10.3969/j.issn.1001-4616.2019.02.007]
点击复制

基于随机森林算法的吸毒人员甄别模型研究()
分享到：

《南京师范大学学报》（自然科学版）[ISSN:1001-4616/CN:32-1239/N]

卷:
第42卷
期数:
2019年02期
页码:
44-49
栏目:
·数学与计算机科学·
出版日期:
2019-06-30

文章信息/Info

Title:
Research on Drug Addicts Screening ModelBased on Random Forest Algorithm
文章编号:
1001-4616(2019)02-0044-06
作者:
顾海艳1; 王 权2
(1.江苏警官学院计算机信息与网络安全系,江苏 南京 210031)(2.深圳前海全民健康医疗技术公司,广东 深圳 518000)
Author(s):
Gu Haiyan1; Wang Quan2
(1.Department of Computer Information and Cyber Security,Jiangsu Police Institute,Nanjing 210031,China)(2.Shenzhen Qianhai General Health Technology Co.,Ltd,Shenzhen 518000,China)
关键词:
数据预处理; 随机森林; 判别模型; 查全率; F1值
Keywords:
data preprocessing; Random Forest; classification model; recall rate; F1 score
分类号:
TP183
DOI:
10.3969/j.issn.1001-4616.2019.02.007
文献标志码:
A
摘要:
基于数据挖掘技术,利用脉搏波数据构建模型进行吸毒人员的甄别技术,是一项新技术研究. 对采集的脉搏波数据,在数据预处理的基础上,运用随机森林算法构建吸毒人员甄别模型,该模型准确率虽然较高,但查全率、F1值均较低. 为此提出了改进的随机森林算法,主要包括3种改进策略:采用划分多组训练集和测试集进行交叉验证,运用下采样方案来平衡样本分布,选用多评判指标选定模型构建参数. 通过测试,根据准确率、查准率、查全率、F1值等多项指标的比较,发现改进的随机森林判别模型性能得到明显提升.
Abstract:
Based on data mining technology,using pulse wave data to construct screening model to detect drug addicts is a new technology research. After the pre-processing of pulse wave data,the original Random Forest classification model is initially established with high accuracy,but with a relatively low recall rate and F1 score. To resolve this issue,an improved classification model is henceforth proposed. The improved model mainly involves three improvement strategies:firstly,perform cross-validation by dividing multiple training sets and test sets to obtain generalization errors; Secondly,balance the sample distribution using down-sampling techniques; And finally,select model parameters based on multi-criteria analysis. According to the evaluation results of accuracy,precision,recall rates,and F1 scores,the performance of the improved Random Forest classification model has been significantly improved.

参考文献/References:

[1] 顾海艳,林祝发. 基于Healthme采集分析系统的吸毒者脉搏波特征研究[J]. 中国人民公安大学学报(自然科学版),2018,24(3):25-29.
[2]李淑娟,张发祥,倪家升,等. 基于FBG的触点式动态压力传感器及其在脉象信息测量中的应用[J]. 光电子·激光,2016,27(10):1017-1022.
[3]MCGARRY M,NAULEAU P,APOSTOLAKIS I,et al. In vivo repeatability of the pulse wave inverse problem in human carotid arteries[J]. Journal of biomechanics,2017,64:136-144.
[4]REECE A S,NORMAN A,HULSE GK. Cannabis exposure as an interactive cardiovascular risk factor and accelerant of organismal ageing:a longitudinal study[J]. Bmj Open,2016,6(11):e011891.
[5]张琳. 关于居民消费水平影响因素及影响水平的实证分析[J]. 统计与管理,2017(6):69-71.
[6]章溢,龚海林. 偏度系数的近似线性贝叶斯估计[J]. 统计与决策,2017(10):78-81.
[7]顾爱华. 云计算网络中高维数据标准化处理优化仿真[J]. 计算机仿真,2017,34(3):317-320.
[8]赵发林,张涛,李康. 基于遗传算法的随机森林模型在特征基因筛选中的应用[J]. 中国卫生统计,2016,33(4):559-562.
[9]陈煜,周继恩,杜金泉. 基于交易数据的信用评估方法[J]. 计算机应用与软件,2018,35(5):168-171.
[10]黄浩,徐海华,王羡慧,等. 自动发音错误检测中基于最大化F1值准则的区分性特征补偿训练算法[J]. 电子学报,2015,43(7):1294-1299.
[11]李婉华,陈宏,郭昆,等. 基于随机森林算法的用电负荷预测研究[J]. 计算机工程与应用,2016,52(23):236-243.
[12]周志华. 机器学习[M]. 北京:清华大学出版社,2016.
[13]孙宽宏. 不平衡数据分类方法研究[D]. 西安:西安电子科技大学,2015.
[14]尹华,胡玉平. 基于随机森林的不平衡特征选择算法[J]. 中山大学学报(自然科学版),2014,53(5):59-65.
[15]姚登举,杨静,詹晓娟. 基于随机森林的特征选择算法[J]. 吉林大学学报(工学版),2014,44(1):137-141.
[16]胡小生,温菊屏,钟勇. 动态平衡采样的不平衡数据集成分类方法[J]. 智能系统学报,2016,11(2):257-263.
[17]杨毅,卢诚波,徐根海. 面向不平衡数据集的一种精化Borderline-SMOTE方法[J]. 复旦学报(自然科学版),2017,56(5):537-544.

备注/Memo

备注/Memo:
收稿日期:2019-01-16.
基金项目:江苏省“十三五”高等学校重点建设学科建设专项基金(2016-0838)、江苏省公安厅重点科研项目(2017KX033Z).
通讯联系人:顾海艳,副教授,研究方向:数据挖掘,信息安全. E-mail:ghy7388@126.com
更新日期/Last Update: 2019-06-30