决策树分类算法的可扩展性研究

决策树是数据挖掘分类问题算法中一种性能较好的算法,本文主要研究自决策树在数据挖掘中应用以来存在问题,主要是可扩展性问题.综述了国内外针对此问题所提出的解决方法,以及分析了改进算法的优缺点,以便有利于对决策树关键问题,即扩展性问题的研究.同时本论文中所研究的算法的思想也有助于数据挖掘中其它领域解决大数据集问题.     

基于决策树的分层分类方法在土地利用信息提取中的应用

TM遥感影像能获取丰富的地面信息,适合于大面积的宏观监测,文章利用分层分类的方法提取南京江宁区土地利用信息,获得了土地利用变化图,并对土地利用分类方法中的决策树分类和监督分类方法中的最大似然法在实践中的应用和精度比较进行了探讨,最后结合GIS空间分析方法对分类的结果图进行比较分析,并分析其变化的原因.     

分类技术中的决策树算法分析

介绍了解决分类问题的常用方法——决策树。并对决策树的原理及Quinlan的ID3、C4．5两种主要的决策树算法进行了分析。通过分析它们的基本原理以及主要特点，提出了对决策树算法改进的展望。     

决策树ID3分类算法在文本分类中的应用研究

文本分类在自然语言分类中起着重要作用,将决策树ID3算法应用与文本分类,对数字图书馆的部分文本信息分类,提出一个基于ID3决策树的文本分类算法,取得了良好的实验结果。     

基于决策树的分类算法研究

分类算法是数据挖掘中的一种重要技术,决策树学习是其中常用的一种方法。结合实例阐述了决策树基本算法的形成过程,分析总结了决策树算法在实际中的应用及其存在的缺陷。     

基于决策树的数据挖掘在招生管理中的应用

在现代研究生招生领域中应用数据仓库与数据挖掘技术,能发现各种潜在的有价值信息,为招生和培养提供有效的决策支持.以数据仓库技术为基础,利用数据挖掘进行知识发现,能够帮助导师从众多的考生中找出适合本专业研究的人选.在一定程度上实现了数据仓库的挖掘应用.     

基于决策树的高职学生网络学习分类模型构建

高职学生个性化学习行为是目前高等教育比较重要的研究方向。通过采集高职学生在网络学习过程中的心理、行为、方法和效果的数据,经过筛选、量化、分类和评价,最终根据影响学习效果的学习者内在因素和个性特征对学习者进行分类,通过基于决策树学习分类模型的建立,对学习者未来的学习进行形成性评估。     

分层教学中决策树归纳分类及应用

分层教学是在充分考虑学生具体情况的前提下,将水平相近的学生分为一组,实现针对性的个性化教学,数据挖掘技术中的决策树归纳分类所需的训练数据少,便于理解和解释,可视性强,分类规则形成简便,可以科学准确将学生进行分层。通过详细讨论决策树归纳分类的过程和决策树的构建,选取部分学生样本进行决策树的生成及分类规则的提取,为数据挖掘分类技术在分层教学中的应用提供了思路和途径。     

决策树算法在客户分类中的应用

介绍了数据挖掘的概念及决策树的ID3算法,利用该算法对租赁公司的客户进行分类,给出了分类步骤发现了申请或不申请租赁的客户类型特征,从而为公司租赁业务制定最佳指导策略。     

决策树ID3算法在学生成绩中的应用

介绍了数据挖掘中决策树的分类方法和概念,以及著名的ID3算法,同时也介绍了ID3算法在学生成绩中的应用.     

数据挖掘分类模型构造方法及其在贷款分析中的应用

介绍了数据挖掘技术和模型的概念,提出了基于决策树的数据挖掘分类模型构造方法,并结合银行业信贷业务特点,对数据挖掘在贷款分析中的应用进行探讨。     

数据挖掘技术在贫困生评定中的应用

伴随着国家对困难学生的资助政策不断完善,各学校对困难学生的评定也采用了不同的办法,甚至同一学校不同学院也不同．为了找到一种相对行之有效的方法,首先对数据挖掘技术进行了分析,其次对它在数据挖掘方面的应用进行了描述,最后采用决策树分类方法对贫困学生的信息进行分类分析,得到了一些有用的可供参考的信息．     

数据挖掘技术在学校管理信息系统中的应用

讨论了数据挖掘技术在高校信息管理系统中应用的必要性和重要性,找到两者的结合点,探索如何在高校信息管理系统中应用数据挖掘技术。     

决策树算法在数据挖掘中研究与应用

随着社会的发展、经济的进步，各行各业对可视化数据挖掘需求越来越高。本文介绍了可视化数据挖掘的相关概念，分析了在可视化数据挖掘中决策树算法的相关理论，并预测了可视化数据挖掘的发展。     

基于数据挖掘的电信业客户流失

针对电信行业日益突出的客户流失问题,采用了多种理论相互融合的思想,将神经网络和决策树技术相结合,构建客户流失分析模型.最后通过实际数据对模型进行了应用评估,结果表明这种基于神经网络和决策树技术的预测模型能够对客户流失情况做出准确的预测,达到了商业使用的要求.     

基于PDM的数据挖掘原型系统研究

Product data management (PDM) is a unique technique that integrates and manages all applications, information and processes defining a product from design to manufacture, and to end-user support. However, exploration of valuable information and knowledge from the PDM system has become a key in improvement of efficiency and implementation of knowledge management in an enterprise. This paper introduces a data mining prototype system model based on PDM, and emphasizes some important techniques such as design of the prototype system framework, methods of data selection and integration of data mining prototype system and PDM. The model basically solves the problem of functional losses in mining and analyzing data in PDM. Application of data mining to PDM is meaningful to the ideas and techniques of PDM, and to the rapid development of data mining application itself. Also, it is useful in improving development and usage of enterprise databases.     

数据挖掘技术在高校教学评价系统中的应用

介绍了数据挖掘的基本涵义和主要方法,阐述了数据挖掘技术在教学评价系统中的应用,并从学生评价教师课堂教学质量的大量数据中找出了数据间的关系,为提高高校的课堂教学质量评价提供了科学依据。     

数据挖掘技术在高校教学管理中的应用

数据挖掘是发现海量数据背后隐藏知识的重要手段。本文以成绩聚类分析为例，讨论如何利用数据挖掘技术对高校教学管理数据库中的数据进行分析，从中提取有价值的信息，从而优化教学管理过程，提高教学管理工作效率。     

数据挖掘在高校学生综合评价中的应用

在高校学生各个方面信息的基础上,利用分类算法,以学生的信息作为样本数据,构造决策树,实现对高校学生客观、正确、有效的评价,为决策提供依据。