基于决策树的智慧课堂教学策略设计

以智慧课堂教学策略设计为目的,提出建立基于知识点决策库,通过知识点为教学对象记录学习轨迹,根据信息熵构造了知识点决策树,从决策树的方法发现知识点学习轨迹和教学方法之间的关联关系,教学对象能够根据自己的知识点的学习记录状态选择合理的教学手段和教学内容。以教学案例为例,验证了智慧课堂教学策略方法可行。     

基于机器学习算法的区域地质环境承载力评价方法研究

随着国家对生态文明建设重视程度不断提高,人们对所住区域的地质环境承载能力越来越关心,也对地质环境承载力评价的方法提出了新的要求。本文引入机器学习方法 ,以地质环境承载力的评价理论为基础,提出了基于机器学习算法的地质环境承载力评价方法。通过梳理国内外地质环境评价相关成果,分析地质环境的各种评价要素,提炼出影响地质环境承载力的主控因素,在此基础上建立适合于机器学习的地质环境承载力评价指标体系,再结合机器学习方法,构建基于机器学习算法的地质环境承载力评价模型,对区域地质环境承载力进行评价,并以眉山市彭山区为例,进行承载力评价,为其他区域的地质环境承载力评价提供应用示范和评价方法。     

基于时序高分一号影像的平原河网区水体信息快速提取研究

水体信息的高精度提取是区域水资源利用研究的基础和关键。为改善平原河网区水体遥感信息提取中城镇、阴影和裸土等像元混淆问题,基于多时相高分一号影像,提出时序归一化水体指数(NDWI)、归一化植被指数(NDVI)和近红外波段反照率信息相结合的决策树水体信息提取方法,并以江淮下游典型平原区开展实证研究。试验结果表明,多时相光谱信息的使用有效改善了阴影和裸土等像元的混淆,提高了较小水体的提取精度,总体精度为93%,Kappa系数为0.85,更合理地反映了水面率呈自西向东逐渐减少的空间特征,研究成果可为其他平原区水体信息提取提供借鉴。     

公交车到站时间预测模型研究

为了研究影响公交车到站时间的机理,以广州公交140路相邻的3个站点为例,经数据处理和挖掘后,提取停靠时间、行驶时间和社会车速度这3个特征向量,并运用BP神经网络、支持向量机、决策树、随机森林等6个模型来预测公交车到站时间。根据公交车到站时间预测的特征和6个预测模型的特征等提出了可拓预测模型。可拓预测模型的RMSE和MAE在所运用模型中是最低的,证明该方法有效。     

基于人工智能算法的投诉用户质差小区定位及预测的方法研究

目前LTE及GSM的质差小区投诉定位主要是依靠用户投诉的地址回放分析附近小区是否存在性能、告警上的裂变,如无则安排人员现场测试信号强度、干扰等。为了解决自动定位投诉质差小区,创新性提出以数据驱动来实现业务规则自动化,充分考虑用户投诉的时间和问题、网络交互信令、无线性能指标和告警等海量数据,运用人工智能技术中的逻辑回归及决策树算法训练出“2G语音、VoLTE语音及数据业务的投诉质差小区定界模型、质差小区预测模型及问题网元”,更快速,更智能,更准确输出语音及数据业务投诉原因、质差小区及质差原因,并对潜在质差小区进行预测,对无线规划、基站建设、故障处理、网络改造等方面的工作也具有积极指导意义。     

昆明市生态用地信息提取技术比较研究

以Landsat8影像为数据源,采用最大似然法、CART决策树分类法对昆明市生态用地信息进行提取。比较两种分类方法对不同生态用地信息提取的分类精度,结果表明:(1) CART决策树方法更适宜于耕地、未利用地、建设用地信息提取,且总体分类精度高于最大似然法;(2)从地类的空间分布情况上看,CART决策树分类图像的结果多为面状,最大似然法分类结果地物分布细碎。总体来说不同信息提取方法具有各自的优势,在具体应用中,可根据目标地类的波谱特性,选择适宜的信息提取方法。     

基于梯度提升决策树的车轮轮缘厚度磨耗预测

轮对在列车走行过程中起着导向、承受以及传递载荷的作用，其踏面及轮缘磨耗对地铁列车运行安全性和钢轨的寿命都将产生重要影响。根据地铁列车车轮磨耗机理，分析车轮尺寸数据特点，针对轮缘厚度这一型面参数，基于梯度提升决策树算法构建轮缘厚度磨耗预测模型。在该模型的基础上，任意选取某轮对数据进行验证分析，结果表明：基于梯度提升决策树的轮对磨耗预测模型具有较好的预测精度，可预测出1~6个月的轮缘厚度变化趋势范围，预测时间范围较长，可为地铁维保部门对轮对的维修方式由状态修转为预防修提供指导性建议。     

基于Hadoop大数据平台的人力资源决策技术研究

针对传统人力资源决策技术对海量人力资源数据辨别能力不高,导致决策效果不佳,研究基于Hadoop大数据平台的人力资源决策技术。该技术对海量的企业人力资源数据进行分布式处理,将神经网络下的员工信息按照输入层、隐含层、输出层进行组别划分;根据影响每一数据组数据变化的影响因素建立初选数据集合;通过计算人力资源的熵值离散度设立决策指标,以员工的姓名、部门、历史业绩、往期工作效率等要素作为选择条件;采用决策树分类算法构建决策树,生成人力资源决策分析报表,以此实现人力资源决策技术。实验结果表明:所研究的人力资源决策技术面对海量的人力资源数据,其辨识能力更强,决策结果的完整度达到了98.35%,比传统决策技术高出了21.55%。由此可见,所研究的决策技术性能更优越、更能满足企业当前的发展需求。