《表1 4种方法在一个步态周期上的预测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合人工鱼群和随机森林算法的膝关节接触力预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

FRF表示基础随机森林算法；ERFR表示增强随机森林算法；ANN表示人工神经网络算法；SVM表示支持向量机算法

为了说明寻优后的随机森林回归（Enhanced Random Forest Regression，ERFR）所具有的良好性能，将最优参数下的ERFR(ntree=131，mtry=10）的拟合结果同经验参数下的RFR(ntree=200，mtry=5）、ANN、SVM的拟合结果进行对比，结果如表1所示，需要说明的是，表中结果为模型在3例受试者的2个测试集上的平均效果。由于篇幅限制，本文从测试集中随机抽取一个完整步态周期的数据进行拟合效果展示，结果如图3所示。由表1可知，利用改进人工鱼群算法优化后的随机森林模型的R2值均高于其他模型，说明BRFR预测的有效性，在算法的稳定性方面，BRFR的误差低于其他模型，说明BRFR预测的稳定性。因此在总体上，BRFR优于其他3种方法。