[发明专利]一种多分枝随机森林数据分类方法

权利要求书

1.一种多分枝随机森林数据分类方法，其特征在于，包括如下步骤：

(一)给出未分类数据集，应用PCA算法对数据降维去噪；

(二)应用K-means算法完成数据的聚类操作；

(三)构建多分枝随机森林；

(四)使用多分枝随机森林模型完成对数据的分类操作。

2.如权利要求1所述的多分枝随机森林数据分类方法，其特征在于，所述步骤(一)具体分步聚如下：

(1)将样本集表示为N×M的矩阵X；

(2)对每一行进行零均值化，即求矩阵中每一行的平均值R_i，每一行都减去该行的平均值N_i-R_i；求出协方差矩阵求协方差矩阵C的特征值λ₁,λ₂…λ_m和标准化特征向量x₁,x₂…x_m；

(3)将特征向量按照对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P；

(4)将矩阵P与矩阵X相乘，得到降维后的数据，去除数据中的冗余部分。

3.如权利要求1所述的多分枝随机森林数据分类方法，其特征在于，所述步骤(二)具体分步骤如下：

(1)计算每个样本点的密度值

其中，d_ijk＝||x_ij-x_kj||,p_ij是类别j中第i个样本点的密度；n_j为j类样本点总数，d_ijk是样本点x_ij和x_kj在向量空间中的距离；将密度值p_ij最大的样本点作为第一个聚簇中心；

(2)在剩余聚簇中心的选取时还要考虑距离，对给定的样本y_n,将其到样本点的距离进行归一化处理：

(3)将该样本点的密度值和到已选聚类中心的归一化距离之和：

其中，p_ij表示类别j中第i个样本点的密度，D_ijt表示样本点x_ij到已选定的第t类的中心y_t的归一化距离；聚类数K值由手肘法确定；

(4)把w_ij按照由大到小的顺序排列，选择前k-1个样本点和p_ij值最大的点作为初始聚聚簇中心C₁，C₂，...，C_k；

(5)将c₁，c₂，...，c_k作为初始的聚簇中心重新记为μ₁，μ₂...μ_k；设定最大迭代次数R；

(6)计算每一个样本和聚簇中心的距离dist(x_i，μ_j)＝||x_i-μ_j||₂,其中i＝1,2…N,j＝1,2,…k；

(7)根据距离最近的聚簇中心确定x_i的簇标记：λ_j＝argmin_{i∈{1，2...，k}}dist(x_i，μ_j)；

(8)将样本x_i划入相应的簇：C_λi＝C_λi∪{x_i}；

(9)对所有样本完成聚簇后，计算新均值类中心：如果μ′_i和μ_i不相等，类中心更新为μ′_i，如果μ_i和μ′_i相等，在保持μ_i不变；重新计算样本所属的相应的簇；

(10)重复分步骤(9)，直至所有的聚簇中心点不发生变化或者达到最大的迭代次数；

(11)输出簇划分C＝{C₁，C₂，...,C_k}。