基于深度森林的图像超分辨率复原算法研究.docx

用R 实现随机森林的分类与回归 Applications of Random Forest using R Classification and Regression

本资源主要简单介绍随机森林的原理，随机森林的应用特点，以及它的实例和在python上的实现。

深度神经网络在森林步道视觉识别中的应用.pdf

本模型是本人自己编写的一套基于matlab的随机森林算法，用以预测路面结构层温度场，算法易读，附带注释。

目的 r3PG提供了“预测生长的生理过程”（ ）模型的实现（Landsberg＆Waring，1997），该模型可模拟森林的生长和生产力。 r3PG是用Fortran编写的3-PGpjs （Sands，2010）和3-PGmix （Forrester＆Tang，2016）模型的灵活易用的界面。 该软件包可实现与模型的快速，轻松交互，并且Fortran重新实现可促进计算密集型灵敏度分析和校准。 用户可以灵活地在各种选项和子模块之间切换，以将原始的3-PGpjs模型版本用于单特异性，平均年龄和常绿森林，以及3-PGmix模型，该模型还可以模拟多队列林分（例如，混合，不均匀，的），其中含有落叶树种。 用法 以下是一个基本示例，有关更多扩展示例，请访问package 。 主要功能是run_3PG() ，它按月时间步长返回4种数组或长格式数据帧的每个物种的所有108个模拟变量。 librar

打开压缩包有两个.py文件，运行randomForest.py即可

输入特征向量训练随机森林分类模型，并计算分类结果的Kappa系数，混淆矩阵，准确性，特异性和敏感性。

6本程序中，将乳腺肿瘤病灶组织的细胞核显微图像的 10 个量化特征作为模型的输入，良性乳腺肿瘤和恶性乳腺肿瘤作为模型的输出。用训练集数据进行随机森林分类器的创建，然后对测试集数据进行仿真测试，最后对测试结果进行分析。

根据随机森林的原理实现的matlab代码，里面有非常详细的注释，几乎每行都有，针对分类问题，可以运行，可以根据需要，修改到自己的算法中。