节点文献

改进随机森林算法在Android恶意软件检测中的应用

免费订阅

【作者】 吴非吴向前陈晓燕

【Author】 WU Fei;WU Xiangqiang;Chen Xiaoyan;College of Information Science and Engineering,Xinjiang University;College of Natural Resources and Environment, Xinjiang University;

【机构】 新疆大学信息科学与工程学院新疆大学资源与环境科学学院

【摘要】 Random Forest作为一种常见的机器学习算法,不仅具备较高的分类回归性能,而且快速高效.传统的Random Forest算法并未在决策树的生成和选择上做深入研究,在本文中笔者提出一种降序去冗的寻优方式对机器学习中监督学习算法Random Forest进行改进,在保证准确率的同时减少随机森林的冗余度,并应用于Android系统的恶意软件检测.经过五折交叉验证法验证,改进的Random Forest算法能够在较低的冗余度下保证较高的准确率,同时改进的算法准确率在与同条件下的原算法的准确率以及OOB模型下的准确率相差在1%以内,在与单模型分类算法KNN和集成式学习算法Adaboost M1的对比试验中改进的Random Forest算法要优于以上两者.

【关键词】 Random ForestAndroid降序去冗寻优
【基金】 国家自然科学基金(61303231)
【所属期刊栏目】 信息科学与技术 (2017年03期)
  • 【DOI】10.13568/j.cnki.651094.2017.03.012
  • 【分类号】TP309;TP316
  • 【被引频次】2
  • 【下载频次】125
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: