陈 晨，张捍东，吴玉秀

(安徽工业大学 电气与信息工程学院， 安徽 马鞍山 243002)

接线端子现如今被广泛应用于各个领域，在传递电信号方面起到连接作用，一个合格的接线端子产品能给生产和使用带来诸多便利，避免许多麻烦。端子产品缺陷检测的目的就是检测出带有缺陷的接线端子，避免缺陷端子被应用到生产和生活中。缺陷端子有很多种类，例如压着端子变形、端子深压、端子浅打、端子氧化等。不同种类的缺陷端子在被应用后容易造成严重程度不同的恶劣后果。为杜绝缺陷端子流出，提升端子缺陷检测的效率，本文将随机森林模型应用于端子缺陷检测领域中，对端子缺陷信息数据进行随机森林模型的训练和建立[1]，模型建立完成后使用测试数据集对模型进行性能评估，获得随机森林模型的应用评价。

1 随机森林算法

随机森林算法是以多个决策树为基学习器组成的，随机森林算法的结果让所有基学习器的决策结果进行投票，最终取得最高票数的就是结果[2]。随机森林算法具有容易实现，处理速度快，抗过拟合能力强等优点，已被广泛应用于医学、工业生产、林业等领域，且在各种应用任务中均表现出了良好的性能[3]。

1.1 算法介绍

随机森林(Random Forest,RF)[4]是引导聚类算法的一种拓展算法，RF以决策树作为基学习器搭建Bagging集成的基础，且在决策树的训练过程中进行随机属性选择。随机森林以决策树为基础，故决策树的理论也必须要了解。……