为了将空间（邻域）和双向分层关系以及样本的特征和先验信息纳入他们的分类中，我们针对三种变型的多分辨率邻域图以及分层条件随机场图制定了分类问题。
Jun, 2023
QC-Forest 是一种经典 - 量子算法，用于在流式设置中高效地重新训练随机森林模型，实现多类分类和回归，其运行时间与累积样本总数的对数成倍数关系。
Jun, 2024
本文介绍了一种新的深度概率模型，叫作 “生成森林”，这种模型将随机森林扩展到了生成模型，可以表示整个特征空间上的联合分布，解决了判别模型缺乏处理预测不确定性方法的问题，并且可以测量每个预测的稳健性和检测分布外的样本。
Jul, 2020
提出了基于贝叶斯思想的后处理随机森林正则化方法，旨在提高其在机器学习任务中的泛化性能并取得了令人满意的结果。
我们扩展了决策树和随机森林算法到混合曲率的产品空间，并在该研究中展示了通过在产品流形中进行简单、表达丰富的分类和回归来克服已有限制，并证明了与环境空间中的欧氏方法相比，在覆盖了各种曲率的组分流形和产品流形上具有卓越的准确性。
本文针对通过空间滤波器解决高光谱分类问题，提出了一种使用数据驱动方法找到滤波器的有效集合的方法，并在四个高光谱图像分类问题上实现了良好的分类性能。
Jun, 2016
本文提出了一种基于格论的代数方法来解释树集成分类器中随机森林的分类性能，并展示了该方法在提供全局解释方面的能力。
Feb, 2023
本研究使用限制生成方法为高维数据提供可靠的分类算法，并选择有竞争力的特征。
研究探讨了使用多个线性分类器的异构斜交双随机森林 (heterogeneous oblique double RaF) 用于特定疾病的预测，相较于基础模型该模型的表现更佳，并可以更好的捕捉数据的几何特性和生成更大的树。
Apr, 2023
本研究提出了一种优化多元线性阈值函数作为决策树分裂函数以创建改进的 Random Forest 分类器的新算法，相较于标准的树归纳方法，该方法采用随机梯度下降优化每个节点的线性组合（斜）分裂函数，比之前的构建斜树的技术和单变量分裂函数的随机抽样和穷举搜索方法具有更好的性能，已在多类分类基准测试和 Labeled Faces in the Wild （LFW）数据集上进行了实验验证。
Jun, 2015