Resumen

Como el método de conjunto representativo en aprendizaje automático, el algoritmo de Bosques Aleatorios (RF) ha sido ampliamente utilizado en diversas aplicaciones debido a la rapidez de aprendizaje y la alta precisión de clasificación. La investigación sobre RF puede clasificarse en dos categorías: mejorar la precisión de clasificación y disminuir el número de árboles en un bosque. Sin embargo, la mayoría de los trabajos relacionados con la mejora del rendimiento de RF se han centrado en mejorar la precisión de clasificación. Solo algunos trabajos se han centrado en reducir el número de árboles en un bosque. En este artículo, proponemos un nuevo algoritmo de Bosques Aleatorios Dinámicos basado en Covarianza, llamado C-DRF. En comparación con los trabajos anteriores, mientras se asegura una precisión de clasificación suficientemente buena, el algoritmo C-DRF propuesto reduce el número de árboles. Específicamente, al calcular la covarianza entre el número de árboles en un bosque y la medida en cada iter

• Materias:Cifrados de bloques Seguridad cibernética Malware Ocultación de datos Cifrado homomórfico
• Subjects:Block ciphers Cyber security Malware Data hiding Homomorphic encryption
• Palabras claves:Bosque aleatorio; Precisión de la clasificación; Número de árboles; Algoritmo RF dinámico basado en la covarianza; Mejora del rendimiento; Tiempo de aprendizaje
• Keywords:Random forest; Classification accuracy; Number of trees; Covariance-based dynamic RF algorithm; Performance improvement; Learning time