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。     

基于决策树的数据挖掘在电信CRM中应用研究

针对电信CRM中“数据丰富但知识贫乏”现象，提出数据挖掘技术，利用SUQ决策树构造算法建立一棵决策树模型，在CRM中根据客户的年龄、所属城市和性别对客户分类，预测客户类型，防止用户流失，争取新用户具有重要意义。     

基于决策树的一种改进算法

首先介绍了ID3算法的基本思想,然后讨论了决策树算法中的难点问题,针对ID3算法中所存在的不足,提出了一种利用优值法的思想来改进信息增益的算法,并且与ID3算法进行了实验对比。实验表明,这种方法从树的规模和分类精度都优于许多决策树算法,使决策效率明显提高。     

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...     

基于决策树算法的无线参数优化方法

本文针对大规模无线参数历史数据,以自学习的数据挖掘方法建立决策树智能分析模型,并对现网数据实现联机分析处理,是一种智能的主动发现无线参数配置问题的算法模型。     

基于决策树的毕业生课程优化算法设计

利用高校已有的毕业生就业信息,应用统计规律性和决策树数据挖掘理论,发现隐藏在毕业生就业信息后的信息,为学校根据社会需求变化而变更培养人才结构提供决策支持。     

决策树在数据挖掘中的新进展和发展前景

决策树是数据挖掘分类方法的一种。本文简单介绍了决策树及其生成过程和算法；着重叙述了决策树近年来在数据挖掘中的主要进展，探讨了各个方面的优缺点；讨论了目前决策树技术面临的挑战和发展前景。     

基于改进决策树的数据挖掘与分析算法设计

针对海量数据中存在的造假与欺诈问题,文中提出了一种基于数据挖掘与改进决策树的数据分析算法来识别其中的异常数据。该算法将主成分分析法与改进决策树算法C4.5相结合,利用数据挖掘技术对海量数据进行预处理,并提取重要特征,通过加入信息增益率的改进决策树算法C4.5识别出异常数据。在海量医疗财务数据中进行的实验仿真结果表明,所提算法的准确率达到了96.91%,且其对数据的预处理操作也使算法的识别速度提升了1.25 s。同时还对各种机器学习算法与数据挖掘技术进行了对比,进而证明了该文算法的识别准确率最高,且与SVM算法相比提升了10.8%。     

C4.5决策树改进算法研究

决策树是数据挖掘分类算法中非常重要的一个算法分支。文章介绍了决策树算法中应用最广泛的典型算法-ID3和C4.5算法,并基于四个通用的数据集,针对这两个算法进行定量分析对比,研究两个算法的性能优劣。文章对C4.5算法中的连续属性离散化方法提出一些优化改进,并通过实际数据实验证实了优化的可行性。     

个性化远程教学系统中决策树方法的应用研究

现代远程教学是随着计算机网络技术和多媒体技术的发展而产生的一种新型的教学形式。因材施教,个性化教学一直是远程教学服务系统追求的目标,如何从大量堆积的学习者信息中发现有价值的规律,实现远程教学系统的个性化教学,已经成为教育研究者一个亟待解决的课题。探讨了如何将数据挖掘技术中的决策树方法应用于远程教学系统中来为学习者进行分类,以实现针对不同学生的个性化教学。     

一种基于SPRINT的判定树分类算法

分类算法的研究一直是数据挖掘领域的一个热点。本文在介绍了目前判定树分类算法状况的基础上,着重分析了目前较为流行的SPRINT算法,并对该算法的数据结构进行了改进,提出一种新的算法NS,使得分类的速度及可扩充性得以提高。这一改进算法在一个银行决策支持系统(DSS)中得到实现,取得了很好的效果。     

数据预处理与决策树在客户行为分析中的应用

决策树算法是数据挖掘中的一种重要算法,介绍了决策树的构建过程中数据预处理方法及决策树构造方法与步骤.数据预处理是为了提高数据挖掘对象的质量,主要包括数据清洗、数据集成与数据消减.数据预处理之后,在训练样本集的基础上,通过选择适当的属性做为树根、子树根,不断重复,基于剪枝方法,最终建立了经过优化的决策树.     

粗集决策树算法在医院感染诊断中的应用研究

医院感染是目前各级医院存在的一个突出公共卫生问题，也是多年来各级医院拟解决的难题。在介绍医院感染的基本知识的基础上，分析和研究了粗糙集与决策树两种常用的数据挖掘工具，并将它们进行融合，运用到医院感染的诊断中。实验结果验证了此算法的可行性和有效性，为医院感染的诊断提供了一种新的研究思路和分析方法。     

数据挖掘技术在银行信贷风险管理中的应用

为了开发一个中国邮政储蓄银行某分行的信贷风险管理系统,采用了数据挖掘技术。首先对数据挖掘和数据仓库技术的相关概念进行了介绍,对现有的信贷管理情况进行了分析,结合我国银行业的实际特点,得到了一个基于数据挖掘的信贷风险管理模型的设计和实现方法。在此基础上,通过在分类以前进行属性选择,不仅改善了分类器的总体性能,也降低了数据采集成本,可以提高银行信贷工作的效率。     

数据挖掘技术在挖掘机故障诊断中的应用

针对工程机械的特点,提出了将数据挖掘技术应用于挖掘机故障诊断中,利用粗糙集具有较强的处理不确定和不完备信息的能力,对决策表的条件属性进行约简处理;再利用C4.5决策树算法的高效性对约简后的决策表进行诊断规则提取;将产生的规则运用于挖掘机故障诊断中以实现快速故障诊断。最后,以实例介绍了利用该模型进行故障诊断的完整过程,可以看出该方案提高了挖掘机故障诊断的效率。     

基于决策树分类算法的入侵检测研究简

针对目前的入侵检测系统（IDS）准确度不高、自适应性差、检测效率低等问题,本文基于决策树分类算法,设计了一个基于决策树的入侵检测系统模型。将决策树算法作为分类器应用于入侵检测的过程中,提高了入侵检测系统的性能。     

基于C4.5决策树算法的全国积雪模型生成

C4.5算法是进行数据分类分析的经典决策树数据挖掘算法.本文介绍了决策树及其常用算法,并根据1971-2000年全国气象站点记录的数据信息,采用C4.5决策树算法建立全国积雪模型.通过积雪模型预测区域积雪分布情况的实验表明正确率达到83.96％,可以用于辅助遥感图像雪区检测进行判断决策.     

基于大数据挖掘的终端换机模型

目前,移动终端已成为运营商维系用户、拓展市场的战略重心,提升移动终端销量、扩大终端规模是各运营商的工作重点。基于数据挖掘技术,从用户属性、终端使用信息、终端搜索访问信息等维度出发,挖掘海量用户行为数据价值,建立终端换机模型,具体包括基于决策树算法的用户换机倾向识别模型和基于聚类算法的终端推荐模型,助力移动终端精准营销。