生产作业计划调整知识模糊归纳学习方法研究

对于生产作业计划调整专家知识的处理问题,本文集成传统的归纳学习算法（ＩＤ３算法）与模糊集理论,研究了模糊化的归纳学习方法,主要是模糊树的归纳（推导）方法,包括阈值的模糊化、叶节点的模糊化和模糊决策树的构建。本文将这些方法用于生产作业计划调整判断知识的处理。     

基于机器学习的手写汉字特征选择

根据机器学习理论，提出了手写汉字识别中，特征提取与识别同时进行的方法，并将决策 树归纳学习算法ＩＤ３成功地应用于学习与识别过程，在识别过程中，依据决策树有选择地提取特征进行匹配，减少了特征提取的数量，大大地提高了识别速度。     

快速建立决策树的一种方法

从一个新的角度－保序观点出发，改进ＩＤ３规则，以提高建立决策树的速度，并给出实验的初步结果．     

一种基于改进SLIQ决策树分类算法的应用研究

提出了一种改进的SLIQ决策树分类算法,克服了原有SLIQ算法需要大量计算决策树每个节点的吉尼指数(gini index)的缺点.改进的SLIQ算法能够有效地减少计算的复杂度.结合实例,将该算法与原有SLIQ算法和基于人工神经网络的分类算法应用结果进行比较,实验结果表明该算法的分类准确率远远高于SLIQ算法和基于人工神经网络的分类算法.     

决策树学习算法在交通方式选择模型中的应用

主要阐述了决策树学习算法在交通方式选择模型中的应用.在基本决策树的基础上,使用随机森林组合学习算法来建立交通方式选择模型,以Bagging预测方法和CART算法为主,以随机特征选择和"投票"方法为辅,并相互融合,结合具体实例详细介绍该模型的建立,从数据的选择到整个森林中树的数目和每个结点处抽取的候选属性的个数调整,并对模型进行了相应的评估.实验结果表明,随机森林预测精度高,且对噪声数据具有较强的稳健性,采用决策树学习算法得出的规则在交通方式选择的分析中具有较好的实用价值.     

基于决策树数据挖掘的分析与应用

决策树技术是一种对海量数据集进行分类的非常有效方法。通过构造决策树模型,提取有价值的分类规则,帮助决策者做出准确的预测已经应用在很多领域。基于这种技术构造的蘑菇可食用性决策树模型,提供了通过蘑菇属性判别蘑菇可食用性的科学依据。决策树算法采用C4.5算法,它把信息增益率作为属性选择的度量标准。从实验结果来看,决策树模型虽然显示了一个很不平衡的结构,但得出了很容易理解的决策规则。     

在模糊逻辑框架下系统辨识研究

通过研究模糊“ＩＦ……ＴＨＥＮ”规划与ＩＤ３算法在结构上的相似性，将系统的熵概念结合到ＩＤ３算法中，从而导出了一种模糊系统的建模方法。     

烧结矿配料规则的自动提取

针对配料生产过程大惯性，高度非线性以及对象模型不确定性等特点，提出一种从仿人决策思维的规律出发，基于半模糊语意区间表达的模糊知识，用ＩＤ５Ｒ算法来获取控制规则的知识自动提取方法。仿真结果表明，用此方法的计算开销比ＩＤ３算法小，且能获得相同的定性控制规则。     

PID算法在内燃机机体泄漏单片机检测系统中的应用

本文介绍了增量式ＰＩＤ算法来控制比例阀的电流,从而控制充气压力准确于３ｂａｒ。     

生产作业计划调整知识模糊归纳学习方法研究

对于生产作业计划调整专家知识的处理问题,本文集成传统的归纳学习算法(ID3 算法)与模糊集理论,研究了模糊化的归纳学习方法,主要是模糊树的归纳(推导)方法,包括阈值的模糊化、叶节点的模糊化和模糊决策树的构建。本文将这些方法用于生产作业计划调整判断知识的处理     

一个改进的决策树算法

Iterative Dichotomiser version3（ID3）算法是数据挖掘中经典的决策树分类算法,其核心是分裂训练集属性的选择标准,即分裂前后的信息增益量最大,用该标准选择属性时对于取值较多的属性具有较强依赖性。剖析了ID3算法存在的不足并加以改进,引入了属性关注度,提出了改进算法AAID3算法。实验表明改进算法对原ID3算法的取值偏向问题有所克服并使分类更加准确,决策树更加简明。     

基于决策树的ID3算法与C4.5算法

论述了在数据挖掘中基于决策树的ID3算法以及C4.5算法,说明了两种算法的优缺点.通过实例解析了ID3算法和C4.5算法的实现过程,能够直观看出C4.5算法相比较与ID3算法的优越性.     

基于数据挖掘的决策树算法分析

决策树是数据挖掘技术中的重要方法,主要用于分类和预测.本文介绍了决策树算法中应用最广泛的ID3算法和C4.5算法,阐述了两种算法的主要思想,说明了构造决策树的基本步骤,对两种算法进行了分析和比较.     

基于决策类划分的新型多变量决策树算法

基于不可分辨关系、复合运算、集合运算和逻辑运算等集合论概念,构造一种新型的多变量决策树算法。该算法包括5个步骤:依据决策属性值划分出决策类;利用决策类之间条件属性集相交判断二义性条件属性值;利用决策类各条件属性值域的不同判断独立决策条件属性值;利用决策类自身条件属性集进行复合运算,获得多变量决策方法;使用或运算符(∨)连接各个部分的决策规则以取得完整的决策规则。以决策树典型训练集(气象信息系统)为例进行验证,其结果表明,该算法行之有效。通过时间复杂度的分析结果表明,该算法较之粗糙集算法更优,而且不亚于ID3算法。       

Rough集在不一致决策树生成中的应用

现实世界中存在大量不相容数据.基于Rough集的有关理论,提出了一个在决策树生成过程中简单高效的识别、处理不相容数据,生成不一致决策叶节点的方法,并引入决策质量参数来刻画不一致叶节点,从而为利用决策树推理和决策提供更多有用信息.将这些方法结合进ID3算法,使算法对相容和不相容数据均可进行有效地处理.     

基于决策树ID3算法研究与实现

阐述数据挖掘的决策树算法,对ID3算法基本理论和原理进行介绍。运用该算法对教师教学质量测评数据进行分析,构造出质量测评数据决策树模型。     

基于面向对象方法的ID3算法的设计与实现

ID3算法是最基本的决策树学习算法,有很广的应用。现从面向对象方法出发,运用C 的标准模板库和通用工具,讨论了基于ID3算法的通用学习系统,并进行了面向对象分析、设计和实现。     

基于GBDT和SVM的光伏发电出力预测研究

梯度提升决策树（GBDT）和支持向量机（SVM）是预测光伏出力的两种常用算法。分析了光伏发电出力的影响因素,介绍了GBDT算法和SVM算法的原理,以及基于两种算法的光伏出力预测模型的流程,并进行对比分析。实验结果表明,基于GBDT算法的光伏出力预测模型的平均绝对相对误差和均方根误差都较小,预测效果更好。     

基于决策树的就业数据挖掘

针对学生就业问题，给出了就业数据挖掘模型．决策树方法是数据挖掘中非常有效的分类方法，根据就业数据特点，采用了C4．5决策树算法．C4．5算法是决策树核心算法ID3的改进算法，它构造简单，速度较快，容易实现．模型对就业数据预处理，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。     

改进的ID3算法在远程教学系统中的应用

当前,远程教学系统缺少智能性,不能提供个性化教学,引入ID3算法后可以根据学习者的特征对其分类,从而实现对不同学习者的针对性教学.然而传统的决策树ID3算法存在多值倾向的问题,选择分裂属性不符合客观事实.运用一种基于灰色关联分析的修正因子属性选择方法予以改进,对取值较多但灰色关联度低的属性,在计算其信息增益时通过灰色关联度的正弦值作为修正因子,克服传统ID3算法的不足.将改进的ID3算法引入到远程教学系统中,可以更好地对学习者进行分类以实现智能化导学.