基于决策树技术的日前市场清算电价预测

以澳大利亚昆士兰州电力市场为背景,采用决策树技术,建立了提前日的电力市场清算电价预测模型。详细介绍了决策树技术的原理及其在电价预测中的实现方法,考虑了非电价因素对电价预测的影响。实际结果表明该方法具有良好的预测效果和直观性。     

一种估计前馈神经网络中隐层神经元数目的新方法

前馈神经网络中隐层神经元的数目一般凭经验的给出，这种方法往往造成隐单元数目的不足或过甚，从而导致网络存储容量不够或出现学习过拟现象，本研究提出了一种基于信息熵的估计三层前馈神经网络隐结点数目的方法，该方法首先利用训练集来训练具有足够隐单元数目的初始神经网络，然后计算训练集中能被训练过的神经网络正确识别的样本在隐层神经元的激活值，并对其进行排序，计算这些激活值的各种划分的信息增益，从而构造能将整个样本空间正确划分的决策树，最后遍历整棵树寻找重要的相关隐层神经元，并删除冗余无关的其它隐单元，从而估计神经网络中隐层神经元的较佳数目，文章最后以构造用于茶叶品质评定的具有较佳隐单元数目的神经网络为例，介绍本方法的使用，结果表明，本方法能有效估计前馈神经网络的隐单元数目。     

利用数据挖掘进行辅助决策

为了实现数据挖掘的辅助决策功能，利用关系型数据库中的信息，采用决策树算法，构建数据挖掘模型，进行数据挖掘得到决策树。文章中确立的数据挖掘模型具有分析预测、辅助决策的功能。     

决策树方法在软构件查询中的应用研究

在基于可复用构件库的软件开发中,如何从构件库中查询满足条件的构件是构件库系统的研究重点之一。数据挖掘技术为解决上述问题提供了一条可行的途径,文中对如何利用决策树的分类发现方法进行可复用构件的查询作一探讨。通过对数据挖掘技术的应用,为复用者理解和选取构件提供了一定程度的辅助决策支持,为复用的成功提供了技术保障。     

远程教育考试成绩分析决策树的构造方法

介绍了数据挖掘技术在远程教育学生考试成绩分析上的应用和用ID3算法构造决策树的方法,并结合一组学生考试成绩样本数据,采用决策树分析方法进行了分类,给出了一个远程教育中成功应用数据挖掘的思路和模式。     

基于数据挖掘的财务预警模型设计与实现

利用决策树算法在筛选属性方面的优势,对传统ID3算法进行了改进,建立了一个精简的财务指标体系。然后,利用人工神经网络在建立财务预警模型方面优于其他线性和回归模型的特点,基于B-P模型构建了一个新的混合财务预警模型。最后,本文利用测试集中样本,将该模型与经典的Z计分模型的预警能力从第一错误率和第二错误率两个角度加以比较。通过实际样本的分析对本文建立的财务预警模型的预警能力进行了很好的验证。     

自动识别数字调制方式的一种方法

提出了一种对经符号成形的数字通信信号进行调制方式自动识别的方案,该方案将数字已调信号的瞬时特征与功率谱特性相结合,设计了一组对信号信噪比不敏感的特征参数。通过提取经升余弦滤波成形的2FSK等六种常用的数字调制信号的5个特征参数,分别采用决策树和神经网络分类器进行调制方式自动识别。仿真表明,当信噪比为11dB时,采用决策树分类器对除2ASK外的5种信号的识别率在95%以上,神经网络分类器此时对所有信号的识别率达到了98%以上,证明了该方案的有效性和可行性。     

Forgetting Exceptions is Harmful in Language Learning

We show that in language learning, contrary to received wisdom, keeping exceptional training instances in memory can be beneficial for generalization accuracy. We investigate this phenomenon empirically on a selection of benchmark natural language processing tasks: grapheme-to-phoneme conversion, part-of-speech tagging, prepositional-phrase attachment, and base noun phrase chunking. In a first series of experiments we combine memory-based learning with training set editing techniques, in which instances are edited based on their typicality and class prediction strength. Results show that editing exceptional instances (with low typicality or low class prediction strength) tends to harm generalization accuracy. In a second series of experiments we compare memory-based learning and decision-tree learning methods on the same selection of tasks, and find that decision-tree learning often performs worse than memory-based learning. Moreover, the decrease in performance can be linked to the degree of abstraction from exceptions (i.e., pruning or eagerness). We provide explanations for both results in terms of the properties of the natural language processing tasks and the learning algorithms.     

决策树在高校就业管理系统中的应用研究

根据就业数据的特点,采用C4.5决策树算法对就业数据进行预处理,选取决策属性,实现挖掘算法并抽取规则知识,由规则知识指出哪些决策属性决定了就业单位的类别.挖掘结果表明,该算法能够正确将就业数据分类,并得到若干有价值的结论,供决策分析.     

数字调制信号的自动识别

由于多调制的存在,对于一个通信信号进行接收解调的前提条件是首先要确定该信号的调制样式,因此信号调制样式的自动识别是软件无线电接收机中必须具备的功能之一.文中研究了8种常用数字调制信号识别的特征参数集,并采用决策树判别方法进行分类识别.仿真结果表明,在SNR≥10dB时,识别正确率在99%以上.其特点是,算法简单,识别正确率高,达到了自动分类识别的目的,并有利于实现识别的实时化.