多决策树包分类算法

网络安全、网络测量、服务质量、流路由等都离不开多维包分类算法。设计一种在时间上和空间上都很好的包分类算法非常困难。该文在分析大规模规则集的特征的基础上,根据协议类型域只有有限的几种取值的特点,提出一种多决策树包分类算法。该算法既可用软件实现,也适宜硬件实现,并且在理论上适用于IPv6的包分类。当采用硬件实现时,多棵树可以并行查找,树内查找可以采用流水结构,算法的查找复杂度为O(1)。该算法可用于改进广泛应用的HiCuts和HyperCuts算法,与之相比,多决策树算法在预处理时间、内存占用和查找时间上都有很大提高。     

基于SVM决策树的网络流量分类

提出一种用支持向量机(SVM)决策树来对网络流量进行分类的方法,利用SVM决策树在多类分类方面的优势,解决SVM在流量分类中存在的无法识别区域和训练时间较长的问题。对权威流量数据集进行了测试,实验结果表明,SVM决策树在流量分类中比普通的"一对一"和"一对多"SVM方法具有更短的训练时间和更好的分类性能,分类准确率可以达到98.8%。     

基于Hash和AQT的类决策树包分类算法研究

多维包分类算法是网络安全、网络测量、服务质量、流路由等技术的重要组成部分,然而设计一种在时间上和空间上均占优的包分类算法却十分困难。在研究现有的经典IP包分类算法的基础上,根据协议类型域有限取值的特点提出了一种基于Hash函数和AQT的决策树的新型IP包分类算法。仿真结果表明：相比传统包分类算法,该算法具有更低的时空复杂度。     

基于决策树的语音与乐音信号分类算法

提出一种基于决策的语音与乐音信号的分类算法,通过提取输入信号的幅度信息、频谱分布特征信息用于信号的分类的特征参数,再利用决策树中的ID3算法进行分类,并对分类结果进行后期调整,进一步提高算法分类的正确率。实验结果表明,提出的语音与乐音信号分类算法取得了平均96.12%的正确率。     

基于决策树的网络客户分类方法研究

传统的网络购物只是对商品进行一个简单的分类和陈列,对于电子商务的商家并没有对网络消费者的购物数据进行深入研究探讨.针对网络购物过程中消费者选择商品的趋向性的不同,引入了基于决策树分类方法对网络客户购买商品的行为进行分析,并从决策树中挖掘出影响网络购物的主要因素以及各因素对网络购买行为的强弱影响程度.实验结果表明,此方法可以有效的对网络客户进行分类,有利于决策分析.     

基于决策树算法的测绘遥感图像信息分类方法研究

当前的测绘遥感图像信息分类节点的布设形式一般为独立的,分类识别范围较小,导致遥感图像信息漏分误差增加,为此提出了一种基于决策树算法的测绘遥感图像信息分类方法。根据当前的信息分类需求及标准,进行遥感图像信息预处理,采用多目标的形式,以此来扩大分类识别范围,部署多目标分类识别的节点,建立测绘遥感图像信息分类矩阵,以此为基础,构建决策树测算遥感图像信息分类模型,采用多元修正处理实现信息分类。测试结果表明：对比于测试组,该文方法的遥感图像信息漏分误差比被较好地控制在2.5以下,说明在决策树的辅助与支持下,当前对于遥感图形信息的分类效率更高,误差可控,将其应用到遥感图像自动分类中,具有很好的弹性和鲁棒性,且分类结构简单明了,达到了更好的分类效果,定义了一种特殊的数据结构,实现了该分类系统。实践表明,该系统具有很好的稳定性和交互性,实用性较强。     

基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

基于统计分类的多行人跟踪算法

为了使视频监控系统具备多行人自动跟踪能力,提出了一种基于统计分类的多行人跟踪算法。首先采用了背景差和Canny算子准确提取出运动区域,然后利用特征匹配实现帧间目标的对应,最后提出一种利用人体表面颜色空间分布信息的统计分类方法,完成合并或遮挡时多个行人的分离和单独跟踪。实验表明,在相互遮挡时,该算法也能有效地分割和跟踪多个行人,适于智能视觉监控应用。     

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。     

弹性分组环统计复用技术

弹性分组环（RPR）结合了以太网和SDH的特点,成为城域网解决带宽瓶颈的一个方案。弹性分组环的最大优点之一是通过各种统计复用技术有效地提高了带宽利用率和服务质量。本文主要分析了弹性分组环的流量统计复用技术与带宽统计复用技术。     

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。     

基于最短划分距离的网络流量决策树分类方法

对不同类别的应用数据流,根据其在最初若干分组中进行握手和参数协商的差异性,通过通信模式、载荷长度以及信息熵等特征,采用基于最短划分距离的方法构建决策树模型,对其进行流量分类。经过在4个不同类型的真实网络数据集上的离线分类实验,以及在校园网环境中的在线流量分类实验。结果表明该模型对8种常见协议的网络流量,分析其前4到6个分组的特征,能够在分类准确性和系统开销上取得较好的效果。与其他机器学习算法相比,该模型构建的决策树规模较小,分类时间较短,适合于实时流量分类问题。     

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。     

Efficient packet classification on network processors

Always‐on networking and a growing interest in multimedia‐ and conversational‐IP services offer an opportunity to network providers to participate in the service layer, if they increase functional intelligence in their networks. An important prerequisite to providing advanced services in IP access networks is the availability of a high‐speed packet classification module in the network nodes, necessary for supporting any IP service imaginable. Often, access nodes are installed in remote offices, where they terminate a large number of subscriber lines. As such, technology adding processing power in this environment should be energy‐efficient, whilst maintaining the flexibility to cope with changing service requirements. Network processor units (NPUs) are designed to overcome these operational restrictions, and in this context this paper investigates their suitability for wireline and robust packet classification in a firewalling application. State‐of‐the‐art packet classification algorithms are examined, whereafter the performance and memory requirements are compared for a Binary Decision Diagram (BDD) and sequential search approach. Several space optimizations for implementing BDD classifiers on NPU hardware are discussed and it is shown that the optimized BDD classifier is able to operate at gigabit wirespeed, independent of the ruleset size, which is a major advantage over a sequential search classifier. Copyright © 2007 John Wiley & Sons, Ltd.     

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...     

Uncertain decision tree inductive inference

Induction is the process of reasoning in which general rules are formulated based on limited observations of recurring phenomenal patterns. Decision tree learning is one of the most widely used and practical inductive methods, which represents the results in a tree scheme. Various decision tree algorithms have already been proposed such as CLS, ID3, Assistant C4.5, REPTree and Random Tree. These algorithms suffer from some major shortcomings. In this article, after discussing the main limitations of the existing methods, we introduce a new decision tree induction algorithm, which overcomes all the problems existing in its counterparts. The new method uses bit strings and maintains important information on them. This use of bit strings and logical operation on them causes high speed during the induction process. Therefore, it has several important features: it deals with inconsistencies in data, avoids overfitting and handles uncertainty. We also illustrate more advantages and the new features of the proposed method. The experimental results show the effectiveness of the method in comparison with other methods existing in the literature.     

基于决策树算法的工业光纤网络通信故障检测系统

针对工业光纤网络通信故障检测过程繁琐、效率低的问题,设计了一种基于优化的决策树数据挖掘算法的光纤网络通信故障检测系统。系统以减少检测器重复工作和准确定位为目标,引入以决策树为核心的故障数据挖掘模块,降低了对非己空间的故障挖掘时间。将第一阶光纤网络故障分类时仅以IP地址作为参量变成第二阶分类时使用指定的网络指标为基础构建决策树,进一步提高故障检测精度。对某车辆制造企业现有的光纤网络应用结果表明,与标准决策树方法相比,该算法将精度从69.0%提升到99.9%,将误报率从3.14%降低到0.48%,优化效果明显。