基于数据挖掘的校园运动研究

体质测试作为反馈大学生体质健康水平的根本途径,为高校开展学生健康干预工作提供了数据支撑,但如何对体测数据进行科学分析及合理使用也变得尤为重要。文章通过数据挖掘技术研究大学生体测数据,分别采用决策树、朴素贝叶斯、贝叶斯神经网络对体测数据进行预测,结果显示,贝叶斯神经网络的预测准确率最高。利用CART决策树对体测数据进行分类,由此可得到最优决策树,由最优决策树分析影响大学生体质水平的重要因素,进一步探讨体测成绩对大学生身体素质的影响和作用,从而提高大学生参与校园运动的热情和兴趣。     

ID3算法在学生评教数据分析中的应用研究

传统的高校学生评教数据通常被教学管理部门作为教师绩效考核和评职的参考数据,对于教学管理部门并没有对评教结果数据进行深入研究探讨.基于此文中使用真实的评教样本,利用决策树分类算法对学生评教数据及教师的基本信息进行综合分析,从而生成决策树并从决策树中挖掘出影响教学质量的主要因素以及各因素对教学质量影响的强弱程度,以期为教师今后教学和教学管理部门制定教学改革措施提供参考依据.     

基于决策树方法的学生成绩分析应用

高校在发展过程中积累了大量与学生相关的数据,合理运用这些数据有利于高校制定相关教学方案。文章利用决策树方法,对影响学生成绩的因素进行了分析,并对得出的结果进行了总结,为学校的教育方法提供了改进思路。     

基于决策树算法的网络信息安全威胁识别方法

为了提高网络信息的安全性,引进决策树算法,设计基于决策树算法的网络信息安全威胁识别方法。提取网络信息属性,获取数据的划分规则,从决策树的根节点开始执行构造行为,进而生成可用于识别威胁源端的决策树;将测试样本数据集合中的数组作为依托,对数据生成中影响决策树稳定性的数据或信息作为初步生成规则,以此将决策树中的数据集合进行冗余值删除处理,实现基于决策树剪枝处理的网络信息分类处理;根据检测到的攻击路径识别攻击的源端,实现识别网络信息安全威胁。实验表明,相比传统方法,设计的识别方法,可以在确保威胁识别具有时效性的基础上,提升信息安全威胁识别结果的准确率,准确率最高达到100.0%,远高于传统方法。     

决策树分类算法分析课程成绩--促进《计算机基本操作技术》课程体系改革

决策树算法在分析《计算机基本操作技术》的课程成绩时，挖掘得出影响学生成绩的潜在的因素，对各个隐性因素进行分析，目的旨在改善课程教学。     

基于决策树的消费行为分析

消费行为因素分析对产品生产和销售具有重要指导作用。C4.5算法是基于信息熵理论进行数据分类分析的经典决策树数据挖掘算法,先对消费数据集进行数据预处理,为了利用消费者的消费数据进行消费行为分析,对消费数据形式化表示,形成消费客户交易数据集和交易统计信息表达。然后在消费客户交易数据集上定义了信息增益率,反映消费因素的分类能力。利用C4.5算法对消费者行为进行分析并构造出决策树,挖掘消费数据之间隐藏的潜在关系,对企业的生产经营具有重大的指导意义;运用预剪枝和后剪枝对完全决策树进行剪枝,对比剪枝后效果。     

决策树ID3算法在成绩分析中的应用

应用数据挖掘ID3算法对《大学计算机基础》课程成绩构建决策树,并进行了深度分析和研究,找出影响学生成绩的主导因素,更好地开展教育教学工作。     

基于决策树算法的研究生遴选质量评价

本文针对如何提高研究生遴选质量、选拔出更多优秀生源的问题,提出一种基于决策树算法的研究生遴选质量评价方法。首先通过分析研究生生源学校以及初试和复试等招生信息,同时结合对研究生的课程学习成绩、参与科研项目情况、硕士毕业论文质量的跟踪,建立了适合于计算机专业研究生质量的评价指标。然后采用经典的ID3决策树算法对相关数据进行分析挖掘,以评价现有研究生招生体系中各项指标对研究生培养质量的影响,并通过统计学方法对结论进行逆向分析验证。结果表明在研究生入学考核的各项指标中,面试成绩和上机考试成绩在区分考生能力、优秀研究生遴选中具有关键作用。     

基于数据挖掘的体育成绩管理系统的设计

随着我国信息化的不断发展,使得我们已经进入了新的大数据时代。因此,对信息的挖掘成为大数据下比较典型的特征。本文利用当前比较流行的数据挖掘技术中的决策树算法,并结合学生体育测试成绩,实现了对学校相关数据的挖掘,更好的利用体育教师对学生的教学。     

基于数据挖掘的高校学生成绩预测分析

以数据为基础的知识规则研究已经成为当前高校改进教学手段和提高教学质量的重要方法。文章进行了课程关联度、学生成绩预测两个方面研究。在课程关联方面,文章通过基于数学中的距离计算方法,分别研究了欧几里德距离关联分析算法、相关系数关联分析算法、余弦关联分析算法在课程关联度中的应用,并对三种关联算法进行了对比,其中余弦关联分析算法的效果最好。在学生成绩预测方面,通过调查问卷,收集了大量的数据,通过决策树算法分析了课程理解程度、学习时间、课程兴趣、性别等信息对学生成绩的影响。     

基于决策树算法的信息系统数据挖掘研究

为了提高数据挖掘准确性和效率,文中提出了基于决策树算法的信息系统数据挖掘方法.以C4.5决策树算法计算属性的信息增益率和属性值的信息熵为基础,提出基于余弦相似度改进的C4.5决策树算法,若任意两个属性值的信息熵之差在阈值范围内,通过计算其余弦相似度合并在阈值范围内的属性值,并重新计算合并后属性的信息增益率,实现信息系统...     

改进决策树算法的应用研究

针对ID3算法倾向于取值较多的属性的特点,同时为避免特定领域主观属性影响分类结果,提出了一种改进的决策树算法。该方法利用决策树算法构造决策树,通过对分类结果中主客观属性进行标记并逻辑运算,最终得到较客观的决策信息,并进行实验验证。     

基于决策树分类算法异构数据的索引优化

海量数据的索引是提高分布式环境下海量数据的查询重要手段。为了构建高效的索引结构,人们提出了多种异构数据索引优化方法。文中给出了基于决策树分类算法下的索引优化方法。基于决策树分类算法构建索引决策树,利用该索引决策树对各个子空间表的属性列进行决策,建立索引表,根据索引表数据建立索引,再根据各子空间上的索引构建全局索引。该二级索引结构为快速定位索引信息提供了技术支持。实验结果表明,索引决策树是一个对优化异构数据索引合适的方法。     

C-fuzzy decision trees

This paper introduces a concept and design of decision trees based on information granules - multivariable entities characterized by high homogeneity (low variability). As such granules are developed via fuzzy clustering and play a pivotal role in the growth of the decision trees, they will be referred to as C-fuzzy decision trees. In contrast with "standard" decision trees in which one variable (feature) is considered at a time, this form of decision trees involves all variables that are considered at each node of the tree. Obviously, this gives rise to a completely new geometry of the partition of the feature space that is quite different from the guillotine cuts implemented by standard decision trees. The growth of the C-decision tree is realized by expanding a node of tree characterized by the highest variability of the information granule residing there. This paper shows how the tree is grown depending on some additional node expansion criteria such as cardinality (number of data) at a given node and a level of structural dependencies (structurability) of data existing there. A series of experiments is reported using both synthetic and machine learning data sets. The results are compared with those produced by the "standard" version of the decision tree (namely, C4.5).     

电子称重仪表决策树建模研究

针对电子称重仪表属性的多参数集对仪表性能的影响程度不同,引入了基于粗糙集理论的属性约简进行属性的降噪和排序处理,然后结合决策树理论的C4．5算法来对自诊断电子称重仪表进行分析,取信息增益率最大的结点作为决策树的根。以此使分裂信息项惩罚了多值属性最后建立了决策树模型。结果表明：此方法得到了属性的影响程度排序,使得建树快速、建模准确,利于决策分析。     

基于改进决策树的导航系统故障诊断的研究

提出了一种基于改进决策树的导航系统故障诊断方法。该方法首先将导航数据的初始属性按照信息增益率进行排序,然后利用神经网络对初始属性进行裁剪处理,最后用裁剪后的属性建立最小决策树,并建立分类规则。与传统的决策树分类算法相比,此方法通过利用信息增益筛选属性,直接生成最小规模决策树,避免了决策树的剪枝处理过程。实验表明,此方法与传统决策树算法相比,时间开销更小,诊断精度也有所提高。     

基于决策树的企业信息系统故障自动诊断分析方法

目前,大型企业信息系统规模和复杂度快速增长,但对故障的诊断分析仍主要依赖传统的人工经验,这不仅耗时、耗力,还影响对故障的及时处理.针对这一问题,创新性地提出了基于决策树的企业信息系统故障自动诊断分析方法,根据信息系统运行监控指标告警信息,实现对信息系统故障的自动诊断.利用某大型国有企业的实际生产运行数据,提取典型告警数据特征对该方法进行了验证,并在R语言环境下对决策树模型及其训练方法进行了仿真和对比分析.实验结果证明,该方法可以较为准确地实现故障自动快速诊断,有助于提高信息系统故障诊断分析效率.     

数据仓库在航空维修信息分析中的应用研究

在空军航空维修管理信息系统的基础上,提出了一个航空维修信息分析系统研究模型,应用此模型可以对航空维修信息进行联机分析处理,并用决策树算法及关联规则算法进行数据挖掘,以实现对航空维修信息的智能分析。     

Landsat8卫星影像的多子区决策树土地覆被分类方法

乌达矿区的煤火自燃造成了严重的环境、经济和安全灾害, 对该地区的土地覆被变化研究有助于评估煤火灾害的影响程度和范围, 而Landsat8 卫星影像为煤火区的土地覆被分类探测与研究提供了可能。依据乌达地区的地形、地貌和地表辐射特征划分5个子区域, 基于通用单决策树模型, 利用光谱特征分析、高程、坡度和热红外信息对每个子区域分别构建5种不同参数的决策树模型。相比通用单决策树模型以及其他4种普通分类方法, 因减少了土地覆被的混淆度, 多子区决策树模型土地覆被分类的整体精度和Kappa系数更高, 分别达到87.63%和0.86, 尤其是建筑物和煤灰的分类精度有较为明显的提升。     

基于模糊模式与决策树融合的脚本病毒检测算法

构建决策树进行脚本病毒检测可以全面利用训练样本的信息,在样本特征较为复杂、样本数较大的情况下会产生大量节点,计算时间复杂度高,在剪枝过程中影响分类准确度。为融合模糊模式的信息以提高分类器性能,该文设计了决策树分类基础上的融合算法。该算法将关于模糊模式贴近度的3个特性作为决策树样本信息向量中的属性。使用训练样本集,根据上述属性在划分点上的分裂信息值及信息增益率选择分裂属性,逐步构建决策树。实验结果验证了算法的稳定性与准确度,表明这种融合方法可增加属性的区分度,减少决策树的分支数。