基于CART算法的带钢抗拉强度影响因素研究

CART是数据挖掘的一种全新的优越的分类工具,是一种产生二叉决策树的技术。由CART模型构建的预测树在很多情况下比常用的统计方法构建的代数学预测准则更加准确,且数据越复杂、变量越多,算法的优越性就越显著。基于信息论的CART算法已在国际上被广泛的应用。阐述了CART(Classification and Regression Tree)算法的基本原理和主要特征,并介绍了连退的基本工艺流程和抗拉强度的概念。通过理论分析,选取了某钢厂连退机组生产过程中影响带钢抗拉强度的重要因素,视为模型的决策属性。根据CART算法,挖掘出三大影响抗拉强度的重要属性,建立了抗拉强度的评估规则。研究表明,CART算法有效的处理了因子之间的非线性关系,建立了可靠、有效的规则,为带钢生产提供了良好的决策依据。     

基于ELM的改进CART决策树回归算法

为提高CART(ClassificationAndRegressionTree)决策树回归算法的准确性,提出一种基于ELM(Extreme Learning Machine)的改进CART决策树回归算法——ELM-CART算法.所提算法主要是在CART回归树创建过程中,在每个叶节点使用极限学习机建模,可以得到真正意义上...     

基于决策树改进CART算法的决策支持与分析技术

针对决策支持与分析技术,提出了基于决策树的改进CART算法.该算法由树生长和树剪枝两部分构成,具有辨识相关输入的能力,由于引入了递归最小二乘估计器,对线性模型可降低计算量,并采用模糊技术处理不连续边界问题.我们给出了该算法的应用实例,由于隐含权值归一化,该算法能够快捷地对自适应神经模糊推理系统进行结构辨识.     

改进的CART算法在煤层底板突水预测中的应用

针对基于传统CART算法建立的煤层底板突水预测模型存在运行时间较长、准确率不高等缺点,介绍了一种改进的CART算法决策树模型,并将其用于煤层底板突水预测模型的建立。实验结果表明,采用改进的CART算法建立的煤层底板突水预测模型运行时间由1.041 1s减少到了0.612 5s,突水预测正确率由88.78%提高到了95.54%。     

基于Adaboost和CART结合的优化分类算法

提出了一种基于Adaboost算法和CART算法结合的分类算法。以特征为节点生成CART二叉树,用CART二叉树代替传统Adaboost算法中的弱分类器,再由这些弱分类器生成强分类器。将强分类器对数字样本和人脸样本分类,与传统Adaboost算法相比,该方法的错误率分别减少20%和86.5%。将分类器应用于目标检测上,实现了对这两种目标的快速检测和定位。结果表明,改进算法既减小了对样本分类的错误率,又保持了传统Adboost算法对目标检测的快速性。     

CART决策树在旅游保险数据中的研究

通过CART分类决策树,找到各指标对是否购买该公司旅游保险的影响程度,使得旅游保险行业更容易寻求到更多的潜在的在保人。对Tour&Traves公司提供的数千条客户基本信息进行处理,利用CART决策树算法对该数据进行分析以及建立模型,并对决策树模型进行评价和可视化输出。为了避免原模型过拟合的问题,在原有CART分类决策树模型进行后剪枝,在不减少模型正确率的情况下降低了模型的复杂度。     

CART决策树的两种改进及应用

利用Fayyad边界点判定原理对CART决策树选取连续属性的分割阈值的方法进行改进,由Fayyad边界点判定原理可知,建树过程中选取连续属性的分割阈值时,不需要检查每一个分割点,只要检查样本排序后,该属性相邻不同类别的分界点即可;针对样本集主类类属分布不平衡时,样本量占相对少数的小类属样本不能很好地对分类进行表决的情况,采用关键度度量的方法进行改进。基于这两点改进构建CART分类器。实验结果表明,Fayyad边界点判定原理适用于CART算法,利用改进后的CART算法生成决策树的效率提高了近45％,在样本集主类类属分布不平衡的情况下,分类准确率也略有提高。     

基于CART决策树的计算机网络课程学生成绩分析

针对大数据背景下教育数据挖掘已成为改善教育质量重要手段的现状,提出使用CART决策树算法对计算机网络课程的数据进行分析和研究,生成基于CART树的学生成绩分类模型,最后分析结果并提出有针对性的合理教学建议。     

基于决策树改进CART算法的ANFIS结构辨识技术

针对自适应神经模糊推理(ANFIS)系统的结构辨识问题,提出了基于决策树的改进CART算法。改进算法引入了递归最小二乘估计器,对线性模型可降低计算量,并采用模糊技术处理不连续边界问题。由于隐含权值归一化,该算法能够快捷地对自适应神经模糊推理系统进行结构辨识。通过辨识仿真,表明了该技术辨识速度快,简捷方便,为ANFIS的结构辨识提供了行之有效的途径。     

C4.5算法对ID3算法的改进

决策树是最受欢迎的数据挖掘技术,本文介绍了两种决策树算法的思想以及它们的优缺点,以及对它们的改进。     

BP算法在数据挖掘中应用研究

探讨了数据挖掘数据技术的准备工作,由于神经网络方法的特殊性,数据准备更显得尤为重要.对标准的BP算法进行了研究,针对现有人工神经网络中BP算法效率较低、容易陷入局部极小等存在的问题,提出了一种改进的BP算法,并针对这种算法进行了"与"和"异或"问题中的分析测试.测试结果表明了改进的BP算法缩短了学习时间,提高了学习效率,并在一定程度上避免了学习中的局部极小问题.     

基于传感器网络的K-均值聚类算法研究

现有的传感器网络数据处理系统只能向用户提供简单的查询操作,如何高效地处理传感器网络的海量数据流,从中获取有用的知识成为新的挑战.提出了一种基于传感器网络的分布式K一均值聚类算法,首先由中心点下发k个质心的初始值,各个节点将数据对象赋于质心距离最近的簇,并将簇的信息通过传感器网络逐层上传合并;然后中心点计算k个簇中对象的平均值,再下发,反复迭代,直到各个簇满足误差准则,得到最后的聚类结果.实验证明,该算法准确率较高,计算时间较短.     

A study of the employment of higher institutions based on the decision tree model

The employment of the graduates is a major index to measure the achievements of higher institutions. And the academic grades of the students at school are a very important factor in obtaining employment. In this essay, a classified model of decision tree between the grades of the graduates and their employment is established, and the model is also optimized and well researched. Therefore, this model can be a scientific and rational resource for an institution when setting up the achievement goal to increase the employment rate of the students.     

基于DBSCAN算法的电子邮件地址聚类系统

目前犯罪组织的严密性和隐蔽性日益增强,电子邮件的广泛应用更为犯罪分子的分散隐匿提供了便利条件.为了解决重点监控对象选择问题,设计了电子邮件地址聚类系统.系统根据电子邮件地址之间的收发关系,构建出电子邮件地址的相似度测量属性,利用基于密度聚类方法中的DBSCAN算法,对电子邮件地址关系紧密程度进行划分,找出较为活跃的电子邮件地址,缩小了电子邮件地址查阅范围,提高了电子邮件信息分析处理的针对性和有效性.     

基于余弦相似度的改进C4.5决策树算法

针对传统C4.5算法存在容易产生冗余规则、决策树规模过大、分类速度过慢等问题,提出一种基于余弦相似度的改进C4.5决策树算法。计算每个属性的信息熵和增益率,如果任意属性的任意两个属性值的信息熵之差在一个很小范围内时,计算两个属性值的余弦相似度;合并相似度在阈值范围内的属性值,重新计算合并后属性的信息增益率,依据传统的C4.5算法进行计算。抽取某医院普检数据进行仿真,仿真结果表明,所提算法能够有效降低分裂属性维度,缩减了决策树规模,减少了冗余规则,提高了分类速度。     

股票市场混沌吸引子的特征量——基于G-P算法与小数据量算法

针对金融时间序列的特点,论文分析已有混沌特征量算法的基础上,采用特殊的对数线性趋势消除法(简记为LLD)处理数据、引入Rosenstein提出的小数据量算法等计算最大李雅普诺夫指数以及其它混沌系统的特征量,对我国证券市场的混沌动力学结构作出了稳健的分析。结果表明中国股市具有显著的非线性混沌特征,这一结论将为金融理论的研究提供新的方向。     

频繁模式聚类算法改进研究

从模式的相似度信息和支持度大小两方面分析了前人聚类算法中采用的距离函数的缺陷,提出了改进距离函数的新算法—Mix算法。实验研究证明,算法在实现过程中可以相应减少时间消耗和聚类结果的错误程度,提高聚类质量,从而得到比较好的聚类效果。     

长项优先的产生算法——改进的Apriori算法

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法.本文简单介绍了Apriori算法,提出了Apriori算法的改进方案--长项优先的产生算法,它基于传统Apriori算法,通过改变候选项集的产生顺序来减少数据库访问,从而提高效率.     

具有激活机制的多头反向串联算术优化算法

为提高算术优化算法(AOA)的全局勘探和局部开发性能,提出具有激活机理的多头反向串联算术优化算法(SFG-AOA)。激活机理策略是建立在算子位置更新层级的一种基于sigmoid函数的概率进化机制,通过引入激活因子在保证算子在继承父代位置信息的同时动态调整算子寻优步长而扩展新解多样性和全局勘探性能。引入基于适应度优化的反向学习与灰狼信息反馈机制改进算法开发阶段以提高寻优精度。适当修正非线性收敛曲线系数MOP构建随机调整策略。最后通过数值实验验证不同策略改进效果差异,并在CEC2014函数上进行仿真实验全面验证改进算法性能。     

粒子群算法在多船避碰决策中的应用

多船避碰是船舶避碰中最复杂的问题,也是船舶自动避碰方法研究中的难点之一.对许多学者的多船避碰研究进行分析,将最近会遇距离DCPA、最近会遇时间TCPA、两船距离、相对距离、本船转向角等作为基本评判参数,利用雷达进行一系列的观测,获得避让要素,建立碰撞危险度的评价模型.应用粒子群算法找出最优的解决方案,得出最优转向避碰幅度解.该方法不仅有助于解决多船会遇情况下的本船最优转向角度值,而且也有助于多船避碰决策系统的智能化设计与开发.