不确定数据的决策树分类算法

经典决策树算法不能处理树构建和分类过程中的不确定数据。针对这一局限,将可用于不确定数据表达的证据理论与决策树分类算法相结合,把决策树分类技术扩展到含有不确定数据的环境中。为避免在决策树构建过程中出现组合爆炸问题,引入新的测量算子和聚集算子,提出了D-S证据理论决策树分类算法。实验结果表明,D-S证据理论决策树分类算法能有效地对不确定数据进行分类,有较好的分类准确度,并能有效避免组合爆炸。     

基于不确定决策树分类算法在滑坡危险性预测的应用

滑坡灾害预测受多种因素影响,其中降雨等不确定因素存在难以获取数据及有效处理等难题,为提高滑坡危险性预测的准确率,根据滑坡灾害发生相关理论及决策树分类原理,提出了基于不确定决策树算法在滑坡危险性预测的方法.该方法引入不确定因子降雨,并将不确定因子和其余评价因子一起,根据不确定决策树算法理论构建出不确定决策树,建立滑坡危险性等级预测模型,并用延安市宝塔区的实例进行验证.实验结果表明,该预测方法取得了较高的总体精度和有效精度,达到了滑坡预测的精度标准,且两项预测精度均高于传统C4.5决策树方法.     

D-S证据理论在决策支持系统中的应用

D-S证据理论提供了一种解决多数据源不确定信息推理和融合的有效方法。证据理论能够对各自独立的证据加以综合给出一致性结果,并能处理具有模糊和不确定信息的合成问题,最终达到信息互补。与其他推理方法相比更符合人类思维决策过程。为此,提出一种基于D-S证据理论的灾害决策支持方法,并根据试验结果验证了该方法的有效性和可行性。     

D-S证据理论在数据融合中的应用及改进

对证据合成的基本原则和D-S合成公式作了分析,针对D-S算法实现过程中存在的失效问题提出了解决的方法,对该理论的不足采用了修正的合成规则,通过实例运算表明该方法能够对传感器提供的不一致证据进行组合,并使组合结果更加直观.     

证据理论在车辆身份识别中的应用研究

论文详细地介绍了D-S证据理论,并探讨了D-S证据理论在车辆身份识别系统中的运用。通过实例得出了D-S理论在多传感器数据融合应用中的初步结果,将其应用于车辆身份识别系统中,可大大提高识别率。     

一种有效的证据理论合成公式

D-S证据理论是一种有用的不确定性推理方法，由于证据合成公式存在不足，影响了证据理论的应用。本文提出了一种有效的合成公式，即把支持证据冲突的概率按各个命题的平均支持程度加权进行分配。新的合成公式提高了合成结果的可靠性与合理性，即使对于高度冲突的证据，也能够取得理想的合成结果。     

FDTU:针对不确定数据的快速决策树生成算法

目前,针对不确定数据分类分析的决策树算法,如DTU等具有较高的时间复杂度.因此,在利用决策树算法处理不确定数据时,如何能够在保证准确度的同时降低时间开销成为一个重要问题.基于样本属性相互独立的假设提出了不确定独立信息增益的概念和快速不确定决策树算法FDTU (fast decision tree for uncertain data),降低了决策树生成的运行时间.在UCI数据集上的实验表明,相对于不确定决策树算法DTU,FDTU算法具有相近的分类准确度,同时显著地降低了生成决策树所需的运行时间.     

基于粗糙理论的属性约简在决策树中的应用

分类问题是数据挖掘和机器学习中的一个核心问题。为了得到最高的分类准确率,决策树分类过程中,决策属性的选择非常关键。分析了粗糙理论的属性约简方法,提出了基于粗糙理论的属性约简在决策树中的应用,并产生多个相对约简的选择问题。     

uPOSC4.5:一种针对不确定数据的PU学习决策树算法

目前绝大多数在PU学习场景下的学习算法都只能处理确定数据,然而在现实世界的许多应用中,如在传感器网络、市场分析和医学诊断等领域,数据的不确定性是普遍存在的.基于针对精确数据的PU学习算法POSC4. 5,提出了PU概率信息增益,并在此基础上提出了一种能在PU学习场景下学习不确定数据的决策树算法uPOSC4. 5(Uncertain POSC4. 5).在UCI数据集上的实验表明,uPOSC4. 5具有较好的分类准确率和健壮性,且其分类性能优于aUPNB.     

D-S证据理论在审计证据融合中的应用研究

古典概率难以解释审计判断的不确定性,而D-S证据理论是进行不确定性推理的有效方法,因此应用D-S证据理论进行审计证据融合的研究。针对审计证据的组合问题,提出了基于三角形模糊隶属度函数的基本概率分配函数计算方法,给出了证据组合结果的判决规则,并通过实例验证了该方法的有效性。     

决策树算法的研究及优化

决策树算法是数据挖掘中的一个比较活跃的研究领域,是对分类问题进行深入分析的一种方法,但构造最优决策树是一个NP困难问题。文中首先介绍了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,提出了一种利用优化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。通过实验表明,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。     

决策树算法的研究与应用

主要研究了数据挖掘中决策树算法的基本思想和算法。针对目前钻井过程故障诊断的需求,结合决策树算法的特点,提出了一种基于决策树的钻井过程故障诊断专家系统模型。分析了钻井系统事故状态下的相关特征参数,并对基于决策树的钻井过程状态和知识获取进行了详细的论述。通过实例运用ID3算法实现了决策树的建立,为钻井过程故障诊断奠定了坚实的基础。最后提出了对算法的改进,综合对实际数据的处理结果表明,基于数据挖掘的决策树算法可以很好地识别钻井过程中的不同状态,能够实现故障诊断。     

决策树分类算法的研究及其在教学评估中的应用

分类在数据挖掘中是一项非常重要的任务,决策树方法是一种常用的方法,介绍了决策树建立的基本原理,提出一种基于概率统计知识来建立决策树的方法,实验证明该方法是可行的。     

决策树算法研究综述

简要回顾了数据挖掘的应用背景和常用的数据挖掘方法，重点研究了数据挖掘方法中的决策树算法，并对其主要成就进行评述．提出今后开展研究的建议：     

决策树算法研究综述

简要回顾了数据挖掘的应用背景和常用的数据挖掘方法,重点研究了数据挖掘方法中的决策树算法,并对其主要成就进行评述,提出今后开展研究的建议。     

决策树在化工企业生产平稳度分析中的应用

近些年来,国内大多数化工企业已经采用了DCS（集散控制系统）进行生产过程的实时监测与控制,并且积累了大量的生产数据,但是这些数据除了用于MIS（管理信息系统）以外,大多没有进行较深层次的利用。本文论述了利用决策树算法对生产数据进行挖掘,寻找生产装置中位号点之间的潜在关系以优化控制过程的方法。     

Decision Tree Algorithm for Precision Marketing via Network Channel

With the development of e-commerce, more and more enterprises attach importance to precision marketing for network channels. This study adopted the decision tree algorithm in data mining to achieve precision marketing. Firstly, precision marketing and C4.5 decision tree algorithm were briefly introduced. Then e-commerce enterprise A was taken as an example. The data from January to June 2018 were collected. Four attributes including age, income, occupation and educational background were selected for calculation and decision tree was established to extract classification rules.The results showed that the consumers of the products of the company were high-income young and middle-aged people, middle-income young people, middle-income middle-aged and elderly people with a college degree or above, low-income middle-aged people with a college degree or above and low-income elderly people with a state-owned enterprise. After precision marketing to these customers, it was found that the monthly sales volume of the enterprise increased by 22.82% and the marketing cost decreased by 28.21%, which verified the effectiveness and application value of precision marketing and showed that the decision tree algorithm could provide enterprises with decision support in precision marketing.     

判定树在学生成绩分析的应用

数据挖掘是一种新的信息处理技术,其主要特点是对数据库中的大量数据进行抽取、转换、分析和其他模型化处理,并从中提取辅助决策的关键性数据。其中,判定树以其出色的数据分析效率、直观易懂的结果展示等特点,倍受广大用户的关注。本文将讨论数据挖掘中的判定树在学生成绩分析的应用。     

决策树算法的研究及其改进

该文主要探讨了基于数据仓库的数据挖掘技术中分类算法的决策树算法的基础理论和实施方法,分析并改进了分类方法中决策树算法;并在决策树预剪枝算法中,利用父结点与当前结点信息嫡的比值来作为是否停止决策树扩张的评判标准。     

决策树C4.5算法在数据挖掘中的分析及其应用

决策树是归纳学习和数据挖掘的重要方法,通常用来形成分类器和预测模型。分类器是数据挖掘的一种基本方法。本文对分类器的基本概念、C4.5算法、决策树的构建和剪枝进行了介绍,然后将C4.5算法应用于篮球比赛的技术统计分析中,通过对这些数据分析从而得到一些较实用的预测胜负规则。