王 果，李晓月

(河南机电高等专科学校计算机科学与技术系，河南新乡453003)

责任编辑:时 雯

近些年，随着计算机科学技术和搜索引擎技术的快速发展，图像识别［1］问题成为了人们关注研究的热点。图像识别是一类重要的模式分类问题，它是指通过计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，有着非常重要的研究价值。从本质上来说，图像识别作为一种模式分类问题，也可以利用经典的模式分类算法进行处理。目前各种成熟的模式分类算法基本都在图像识别问题中得到了应用。例如:Lecun等利用支持向量机进行手写阿拉伯数字识别的研究［2］，Tong等利用了主动学习技术进行了现实事物图片的识别［3］。近些年发展起来的集成学习技术［4］，包括支持向量机集成分类器、神经网络集成分类器和随机森林［5］分类器，由于能够较好地避免过学习，具有较高的分类准确率，引起了广大机器学习专家的注意，在图像识别领域得到了广泛的研究。

然而，这些方法在取得较高的图像识别准确率的同时，也需要耗费大量的计算时间，严重影响了这些集成算法在大规模图像识别领域上的应用。针对集成学习在算法效率上的不足，本文重点对随机森林分类器进行了分析，提出了一种基于谱聚类划分的随机森林算法。该算法的主要思路如下:通过谱聚类技术良好的聚类性能，对原始样本进行了初步划分，将位置相近的多个样本聚类为簇，并用簇内的一个随机样本代表簇内的所有训练样本参与最终的分类训练，从而较大程度地减少了训练样本的个数。……