滑坡是一種十分嚴(yán)重和普遍的全球性自然地質(zhì)災(zāi)害。在我國(guó)滑坡災(zāi)害的發(fā)生情況極為嚴(yán)重,滑坡災(zāi)害每年都會(huì)給我國(guó)帶來(lái)巨大的財(cái)產(chǎn)損失和人員傷亡,影響發(fā)生滑坡區(qū)域的基礎(chǔ)設(shè)施建設(shè)和經(jīng)濟(jì)發(fā)展。因此篩選發(fā)生滑坡地區(qū)的誘發(fā)因素,發(fā)現(xiàn)誘發(fā)因素對(duì)滑坡的影響并根據(jù)誘發(fā)因素對(duì)滑坡數(shù)據(jù)進(jìn)行正確的分類預(yù)測(cè),有助于滑坡災(zāi)害的防護(hù)工作。隨機(jī)森林算法（Random Forest,RF）從提出至今一直備受青睞,是一種非常方便且易于使用的算法。因參數(shù)少,不易過(guò)擬合等優(yōu)點(diǎn),被許多專家學(xué)者廣泛地運(yùn)用于分類和回歸問(wèn)題。但在處理非平衡數(shù)據(jù)時(shí),隨機(jī)森林算法不能很好地對(duì)少數(shù)類作出預(yù)測(cè),導(dǎo)致最終分類結(jié)果與實(shí)際結(jié)果存在較大誤差。而且算法參數(shù)的選取直接影響最終的分類結(jié)果,因此尋找合適的參數(shù)組合對(duì)隨機(jī)森林模型也非常重要。因此,本論文提出相關(guān)改進(jìn)算法來(lái)解決傳統(tǒng)隨機(jī)森林算法在不平衡數(shù)據(jù)和參數(shù)選擇方面的問(wèn)題。論文主要完成工作如下:（1）簡(jiǎn)述隨機(jī)森林算法的基本原理及實(shí)現(xiàn)步驟,詳細(xì)介紹隨機(jī)森林算法的研究現(xiàn)狀與研究熱點(diǎn),總結(jié)隨機(jī)森林算法目前存在的問(wèn)題并提出自己的改進(jìn)思路。（2）提出了一種基于自適應(yīng)步長(zhǎng)人工蜂群算法（Adaptive Step Size Artif...

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 選題依據(jù)
    1.4 研究方法及主要內(nèi)容
2 隨機(jī)森林算法和人工蜂群算法概述
    2.1 隨機(jī)森林算法
        2.1.1 CART決策樹(shù)
        2.1.2 隨機(jī)森林模型
        2.1.3 算法缺陷
    2.2 人工蜂群算法相關(guān)理論
        2.2.1 蜜蜂采蜜機(jī)理
        2.2.2 人工蜂群算法的原理
        2.2.3 人工蜂群算法的局限
    2.3 本章小結(jié)
3 基于自適應(yīng)步長(zhǎng)人工蜂群算法的加權(quán)隨機(jī)森林方法
    3.1 改進(jìn)人工蜂群算法
        3.1.1 自適應(yīng)步長(zhǎng)人工蜂群算法
        3.1.2 實(shí)驗(yàn)環(huán)境
        3.1.3 實(shí)驗(yàn)分析
    3.2 改進(jìn)的隨機(jī)森林算法
        3.2.1 Bootstrap抽樣篩選
        3.2.2 隨機(jī)森林加權(quán)決策樹(shù)
    3.3 自適應(yīng)步長(zhǎng)人工蜂群算法尋優(yōu)隨機(jī)森林
        3.3.1 模型計(jì)算與評(píng)價(jià)
        3.3.2 實(shí)驗(yàn)環(huán)境
        3.3.3 實(shí)驗(yàn)分析
    3.4 本章小結(jié)
4 在溜石坡分類預(yù)測(cè)上的應(yīng)用
    4.1 研究區(qū)概況
    4.2 數(shù)據(jù)提取及預(yù)處理
        4.2.1 數(shù)據(jù)提取
        4.2.2 數(shù)據(jù)預(yù)處理
    4.3 實(shí)驗(yàn)分析
        4.3.1 模型評(píng)價(jià)
        4.3.2 結(jié)果分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果



本文編號(hào)：4008233