决策树在计算机中的存贮与计算

针对统计决策中的决策树决策法,提出了一种在计算机中存贮和计算决策树的方法,使得对决策树的描述十分简单,清晰,便于决策树的计算的程序实现,对于决策树决策法的进一步推广有一定的实际意义。     

决策树分析法在风险决策中的应用

决策树是风险型决策中的一种决策方法．与矩阵决策法相比,决策树具有方便简捷、层次清楚、能形象地显示决策过程等优点．本文较详细的介绍了决策树的思想及决策树的生成方法．并通过实例给出了决策树在决策问题中的具体应用方法．     

多变量决策树的构造算法研究

应用粗糙集理论,提出了一种新的多变量决策树构造算法.该算法以核相对于决策类的泛化来划分样本集,如果所划分子集的样本存在不一致决策类并且未用于划分的属性为空时,试探着分别把该子集和一致性子集合并,计算各合并子集的条件类对决策类的确定性程度,选择确定性程度大的作为同一子集,并用一致性子集的类标号进行标示.和苗夺谦提出的多变量决策树算法比较,本算法充分考虑了训练集中的噪声数据,允许在构造决策树的过程中划入正域的实例类别存在一定的不一致性,可简化生成的决策树,提高决策树的泛化能力.     

浅谈决策树在风险决策中的应用

针对风险决策中的决策树问题,举例分析了决策树如何为决策者提供最优方案.     

基于熵的决策可信度分析

从分类的角度进一步阐述了信息熵的概念，使得利用信息熵的方法构造决策树有了更加坚实的数学基础，研究了信息熵与决策可信度的关系，给出了利用信息熵计算决策最大和最小可信度简单、直观易操作的算法，在期望信息熵较小时计算得出的最大和最小可信度是非常接近的，因此可以用它来做估计决策可信度的依据，实验结果也表明计算的结果和实际的决策可信度是非常接近的。     

风险型长期投资的识别和决策分析方法

长期投资是企业为了适用今后若干生产经营上长远需要而投入大量资金，并期望获得更多回报的经济活动。长期投资分为确定型，风险型和不确定型。风险型投资可用模糊数学的方法进行识别。风险型长期投资可计算期望值，标准离差率进行决策；也可用决策树的方法来进行决策；还可用模糊数学方法进行决策。     

施工企业前期投标决策的影响因素浅析

施工企业投标前期的决策方法有：加权评分比较法和决策树法.投标报价策略有：生存型报价策略、信誉型报价策略和盈利型报价策略.投标的成功与否在很大程度上取决于投标企业对投标项目的决策.影响投标项目决策的因素有：施工企业自身情况、招标项目状况、业主情况和竞争对手情况,它们相互制约,共同作用.     

教育装备研究过程的决策树分析法

介绍教育装备开发研制的决策过程、决策类型,并通过教育装备研制方案决策实例来说明如何运用决策树进行决策分析,为解决类似的问题提供方法和思路。     

一种基于多属性模糊决策的英文韵律短语边界预测方法

对于各类TTS(Text to Speech)系统而言,能否准确地预测韵律短语边界对TTS系统的效果有着关键性的影响.目前常使用决策树来做韵律短语边界预测,但这种方法受到了训练数据的均衡性以及决策算法本身无法达到全局最优的制约.为了改善预测效果,在传统的决策树方法之上,将决策树使用的聚类属性与模糊决策相结合,提出通过多属性模糊决策方法来预测英文韵律短语边界.实验表明,使用这种方法后,效果比基于决策树的预测方法的效果有较大提升,F-Score由64. 4%提升到69. 3%,不可接受率也从28. 6%降低到21. 4%.     

C4.5决策树法在网络课程知识点个性化设计中的应用

决策树是归纳学习和数据挖掘的重要方法,通常用来形成分类器和预测模型。对网络课程知识点个性化设计中的大量数据,运用数据挖掘算法中的决策树C4.5算法对所给数据进行处理,选取决策属性,构造决策树,提取分类规则,获取每一个知识点与不同类型的学生之间的关系。通过实验仿真发现,C4.5决策树算法取得了较为理想的分类预测效果。     

一种改进决策树算法的探讨

ID3算法是示例学习中建立决策树的一种重要的方法．介绍了ID3决策树算法的基本思想,讨论了 ID3决策树算法中的难点和不足,结合实例给出了利用信息增益度法来改进ID3算法的详细过程．     

决策树方法在学生成绩分析中的应用

决策树方法是数据挖掘技术中一个活跃的研究领域,该文采用决策树方法对学生成绩进行分析,以快速找到影响学生成绩的原因,有利于提高教学质量．     

基于决策树的日志分析方法

为了解决服务器运行过程中由于性能故障造成服务质量下降的问题,提出一种基于决策树的日志分析方法,以服务器日志文件中记录服务器关键性能指标的数据为研究对象,利用决策树中常用的ID3、C4.5和CART 3种算法预测服务器未来性能指标发展趋势。实验结果表明,在实际运行过程中,C4.5算法对服务器性能指标数据预测的准确率和召回率最好,分别达到了92.23%和95.37%,在3种决策树算法中拥有最高的准确率与召回率,且相比传统开发人员从日志文件中寻找故障的方法,准确率提高了20%左右,因此能够更好地预测服务器系统性能指标发展趋势。通过该方法可提前感知系统运行状况,并及时作出调整,从而有效降低实际生产过程中服务器故障发生概率,提高服务质量。     

基于决策树的英语专业学业影响因素的关联规则挖掘

利用决策树数据挖掘技术对英语专业学生相关数据信息开展了实验研究,提出了基于实验数据集的决策树挖掘模型,并据此提取了英语专业学业影响因素的关联规则.     

一种基于正区域及其分类纯度的决策树算法

本文分析了基于正区域的决策树生成算法的不足,针对这些不足,提出了基于正区域及其分类纯度的决策树算法。该方法计算简单,易于理解,并用实例说明了该方法的优越性。     

基于决策树的入侵检测的实现

决策树是分类的常用方法.该文针对一个局域网上模拟的入侵检测问题,描述了对利用决策树方法学习的一种优化实现.并且对怎样处理缺失数据、连续属性的离散化、怎样剪枝以及分类法的准确率评估及提高等关键技术进行了研究.实验证明,该方法可为入侵检测系统生成有效的决策树.     

决策树在高职学生成绩影响因素分析中的应用

利用数据挖掘技术研究高职院校学生成绩的影响因素,对高职学生成绩管理具有重要意义。决策树法是数据挖掘的主要技术和方法,利用决策树C4.5算法系统研究了我校信息工程学院二年级学生成绩影响因素,建立了影响学生成绩的决策树模型,使学校有针对性的开展学生管理工作。     

数据挖掘中决策树分类算法的研究与改进

决策树分类算法是数据挖掘中一个重要的内容,而ID3算法又是决策树分类算法中的一种重要方法且被广泛应用。然而在实际应用过程中,现存的决策树算法也存在着很多不足之处,如计算效率低下、多值偏向等。为了解决这些问题,提出了一种基于ID3算法的加权简化信息熵算法,它提高了决策树的构建速度,减少了算法的计算运行时间,同时也克服了ID3算法往往偏向于选择取值较多的属性作为测试属性的缺陷。并且随着数据规模的增大,决策树的分类性能表现得越好。     

一种判定树生成改进算法

判定树归纳基本算法是判定树生成的核心算法,有着广泛的应用。针对判定树归纳算法容易出现局部最优化,即早熟现象这一缺陷,运用平均信息增益的方法对该算法进行了改进,把平均信息增益最大的值作为选择测试属性的标准,仿真试验也表明了改进后算法的优越性。