数据分类中决策树算法的研究

分类在数据挖掘中是一项非常重要的任务,决策树方法是一种常用的分类算法,所建立的树形结构模型很直观,易于理解,特别适合处理各种分类问题。就决策树方法展开深入的研究,提出了“懒散的基于模型的分类”的思想。     

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。     

基于核属性的决策树构造算法研究

决策树是一种重要的分类方法.本文分析了单变量决策树和多变量决策树的不足,提出一种基于核属性的决策树构造算法,该算法根据核属性存在的不同情况,选择结点的分裂属性.所创建的决策树规模适中,导出的规则简洁、支持度高.实验结果分析表明,该方法是有效的。     

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。     

基于不确定数据决策树分类算法的软件外包评价模型

经典决策树算法不能处理树构建和分类过程中的不确定数据,针对这一局限,提出基于概率分布的方法,把决策树分类技术扩展到含有不确定数据的环境中。然后,针对软件外包评价中普遍存在着不确定数据,应用决策树分类方法,对软件外包公司进行客观评价。实验表明,本文提出的基于不确定数据的决策树分类算法能够实现对软件外包评价的定量研究。     

ID3分类及其剪枝算法研究

分类是数据挖掘的一个重要课题。分类的目的是建立一个分类模型,该模型能把数据库中的数据项映射到给定类别中的某一个利用该模型形成分类规则并预测未来数据趋势。决策树归纳是经典的分类算法,构建决策树模型算法中最有影响力的方法是ID3算法。针对ID3算法缺点,使用预剪枝和后剪枝相结合的办法处理决策树中的过学习情况,可生成一个更简单、更精确的决策树。     

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。     

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.     

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.     

基于决策树的分类挖掘技术在学生资源管理中的应用

该文提出一种基于决策树的分类挖掘技术,在论述分类挖掘的基础上分析决策树分类挖掘系统的建立思想、步骤及算法,并把该系统应用到优化学生资源管理的实验中,实验结果证明了该方法的可行性。     

分类回归树算法的探讨

分类回归树是一种优良的决策树算法,有广泛的应用。本文探讨了分类回归树算法及应用,首先回顾了分类回归树的起源及应用,其次分析了分类回归树在均匀成本和非均匀成本下的构造,接着讨论了分类回归树的剪枝和验证过程,最后我们对其进行了总结。     

基于正域的决策树构造方法

决策树是数据挖掘中的一种重要分类方法.在此以粗糙集理论中的正域为启发式函数,设计了一种新的、有效的决策树构造方法.该算法具有较大的灵活性.能从测试属性空间逐次删除已使用过的属性.避免对这些属性进行重复测试,减少测试空间,降低了树的复杂性,从而提高了分类效率.最后,实例验证了算法的可行性与有效性.     

基于改进 CRUISE 算法的遥感影像分类研究

以南京南部高淳县为研究区,采用2010年ETM＋多光谱遥感影像作为遥感信息源,选择影像的地形因素、植被指数（NDVI）作为辅助分类特征,基于改进CRUISE算法构建决策树,实现了研究区的地物分类,并与其他分类方法的结果相比较。实验结果表明,与普通的决策树分类相比,基于改进CRUISE算法的分类可以有效地提高土地分类结果精度,具有良好的适用性。     

决策树ID3算法分析及改进

决策树通过对获取的样本数据属性使用信息论知识原理进行解析和归纳,最终形成类似于流程图的树型结构形式。ID3算法是典型采用贪心算法的归纳学习算法,其使用递归方式采用贪心算法来生成决策树。与其他分类技术算法比较,ID3算法有着自己的优势,但在实际应用中,采用决策树ID3算法进行分类时,需要先对数据进行一些处理或改进。     

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。     

有向树顶点分类的探索与应用

介绍了有向树顶点的分类,提出一种分类办法,证明了相关的性质,给出了在正态分布数据中的应用。     

基于改进解释树的部件级三维物体分类

为了实现对未知物体的分类,提出了一种基于改进解释树的部件级三维物体分类方法.采用部件级描述形式,使得对物体类的描述更加简洁.所提的物体分类方法主要包括2个核心处理模块,即改进的约束解释树搜索和形状相似性度量计算.利用该方法,不但能够进行未知物体与三维模型之间的全局匹配和部分匹配,得到具有形状相似度排序的分类结果;而且能够实现焦点匹配,即对同一个未知物体,为其标注不同的关键部件,通过焦点匹配便可以获得所有包含对应关键部件的三维模型.大量的实验结果证明了所提出的部件级三维物体分类方法的有效性.     

徽州族谱所录文献的类型与价值

徽州族谱所收录的文献极为丰富,大体上可分为谱论类、制度类、史实类、文学类、民俗类、图景类等六种。对徽州族谱存录的文献进行归类研究,有益于我们更清晰地把握和理解徽州族谱的内容及其价值,对今天的民间修谱活动也有借鉴意义。