公开(公告)号：CN107508603A

公开(公告)日：2017-12-22

申请号：CN201710905679.2

申请日：2017-09-29

Applicant: 南京大学

Inventor： 周志华 ,  冯霁

IPC: H03M7/40

CPC classification number: H03M7/405

Abstract: 本发明公开了一种森林压缩编码器的实现方法，该方法基于决策树集成学习器实现，通过将输入放入已训练好的决策树集成学习器(随机森林或完全随机森林)，获取每棵树对应的叶子结点的标记数，从而获得编码；对已编码好的信号，通过反向回溯各棵决策树的决策路径，计算最大兼容规则，从而进行解码。森林压缩编码器一方面可以达到甚至超越深度神经网络自编码器的性能；另一方面，该装置可快速压缩输入信号，将压缩过的编码信号进行解码后，重构误差小，并且不需要额外的图形加速卡进行辅助运算以及容易确定参数的取值范围。

公开(公告)号：CN106874959A

公开(公告)日：2017-06-20

申请号：CN201710117221.0

申请日：2017-03-01

Applicant: 南京大学

Inventor： 周志华 ,  冯霁

IPC: G06K9/62

CPC classification number: G06K9/6256 ,  G06K9/6282

Abstract: 本发明公开一种多尺度扫描级联森林学习机的训练方法，包括如下步骤：(1)通过级联扫描的方式，对训练集进行预处理。(2)将预处理后的数据，分别通过多组决策树集成下的随机森林进行训练，并获得每个样本的分类向量。(3)将前述方式获得的所有分类向量结合成一个单独的输入，进行级联训练。(4)将级联训练的最终结果进行集成平均，获得最终识别预测结果。本发明对高维时空数据进行扫描和预处理，使得该学习机可以感知输入数据的结构性，以达到精准识别的目的。