基于决策树的选案分析模型的设计

决策树是通过一系列规则对数据进行分类的过程。本文论述了在决策树方法的指导下，创建选案分析模型的思想与方法。     

地方财政收费稽查选案系统的研究与设计

收费稽查的计算机选案,是指根据科学的选案指标,以计算机为辅助工具,对现有的内外部收费信息进行加工处理、分析筛选,以发现存在收费异常的执收单位。该文提出了基于决策树的财政收费稽查选案模型,提出了支持收费稽查选案的元数据组织方法,阐述了稽查选案主题的提取方法和多维模型构建的方法,并将决策树方法应用于收费的稽查选案。基于收费稽查的选案模型,设计并实现了收费稽查计算机选案系统,提高了收费稽查工作的准确性和科学性。     

税务稽查选案专家系统的研究

本文在分析稽查逃案业务的基础上,探讨了稽查选案专家系统的总体结构、设计思想及实现方式,提出了符合目前选案业务需求,适宜当前选案工作特点的专家系统解决方案。并以中科院计算所研制的“面向对象知识处理系统”为工具,开发了一个选案专家系统原型,目前已在沈阳市国家税务局稽查分局试运行成功。     

税务稽查选案决策支持系统的开发

如何借助计算机技术的发展,改变人工操作的落后手段,及时、准确地稽查偷逃税个案,是税务部门十分关心的问题。该文即是建立了这么一个集选案模型、专家知识、人工智能技术于一体的税务稽查选案决策支持系统,在定量与定性分析相结合的基础上,更好地帮助稽查人员科学地确定逃税对象,提高稽查效率,减少税收的流失。     

基于粗糙集-LVQ神经网络的稽查选案模型研究

税务稽查选案是稽查前对纳税人纳税诚信的分析过程.利用粗糙集理论与LVQ神经网络的优势互补,粗糙集作为前置处理系统优化选案指标结构,神经网络进行分类处理,提出并建立了一种粗糙集与LVQ神经网络相结合的税务稽查选案模型,并依此模型进行了实例验证.结果表明,利用该模型在得到可视化预测结果的同时,还可以得到较高的预测精度.     

基于代价敏感的决策树的电信离网分析模型

随着电信行业竞争的加剧,客户流失率日益攀升,因此提高客户流失的预测精度将直接关系到电信企业的生存和发展.而电信客户数据集中存在严重的数据不平衡问题,会导致两类错分代价明显不等同.而基于传统决策树的客户流失模型却是在两类错分代价相等的前提下建立的,与实际情况不符.因此引入代价敏感学习理论,该理论将不同的错分代价纳入建模过程,以建立一个基于代价敏感的决策树的电信客户离网分析模型.该方法有效地提高了模型对流失客户的预测性能.这对促进电信业的发展具有相当重要的意义.     

应用面向对象知识处理的选案专家系统

本文介绍了一种用专家系统实现税务部门计算机稽查选案的方法。这一计算机选案专家系统是用面向对象的知识处理系统（ＯＫＰＳ）构造而成。ＯＫＰＳ是我们自主开发的一套可视化专家系统工具。本文着重阐述了ＯＫＰＳ系统和该专家系统的原理、选案知识库的构造、推理控制策略等问题。本文所讲解的这一计算机选案专家系统已作为广东地税信息系统（ＧＤＬＴＩＳ）的一部分投入实际运行。     

通用决策树模型设计

本文从数据挖掘的概念与步骤出发,针对数据挖掘的一般应用,采用决策树的方法,建立了通用的决策树模型.给出了模型中的两类数据和六个操作的一般描述,模型的重点是决策树建立、决策树剪技和规则集推导.     

基于决策树算法的电视机故障维修模型设计

在电视机生产线中,有许多产品质量控制检查点。产品在某个检查点查出存在质量问题,将进入返修线进行修理。在返修点由修理工人凭经验来确定故障原因及定位故障元器件类型,这样就对修理工有很高的要求,而且不能有效地提高维修工作效率。文中研究的基于决策树算法的电视机生产线故障维修模型,能够通过模型找出产品类型、故障现象与故障原因之间的关系,从而快速地确定故障类型,这样节省了查找故障原因及类型的时间,提高了维修效率。     

基于决策树的证券客户流失模型

描述了证券业客户流失分析的重要性,客户流失的定义,提出了影响客户流失的各种特征因素.然后根据CRM中的RFM模型,加入客户收益率指标,提出了证券行业客户流失分析的RFM-ROI模型.用决策树方法构建了客户流失分析模型,并提出了解决决策树剪枝问题的停止阈值方法.结果表明该模型能达到80.7%的准确率,具有较强的实用性.     

Analysis of traffic accident severity using Decision Rules via Decision Trees

A Decision Tree (DT) is a potential method for studying traffic accident severity. One of its main advantages is that Decision Rules (DRs) can be extracted from its structure. And these DRs can be used to identify safety problems and establish certain measures of performance. However, when only one DT is used, rule extraction is limited to the structure of that DT and some important relationships between variables cannot be extracted. This paper presents a more effective method for extracting rules from DTs. The method’s effectiveness when applied to a particular traffic accident dataset is shown. Specifically, our study focuses on traffic accident data from rural roads in Granada (Spain) from 2003 to 2009 (both included). The results show that we can obtain more than 70 relevant rules from our data using the new method, whereas with only one DT we would have extracted only five relevant rules from the same dataset.     

论促使决策树重构的因素

本文首先阐述了数据挖掘中决策树的基本思想,然后简单介绍了决策树经典算法（ID3算法）,重点基于ID3算法论述了对于决策树的影响4个要素,并使用真实的数据详细地分析了4个要素,实验表明,只要4个要素中的任何一个改变,决策树必须要重新被构建。     

一种决策模型的自动生成及管理系统

本文说明了一种决策模型的自动生成及管理系统的设计与实现方法。该系统能够辅助人们去建立一种基于决策表的决策模型，自动进行各种检验，并能将此模型转换成另外两种决策模型。此外，它还具有决策模型库和应用案例库的管理功能。该系统已成功地运用到多个大型信息系统的开发之中。     

基于Petri网的模型组合方法研究

模型组合是DSS研究应用的重要组成部分,为了分析模型集成过程中数据集成和逻辑集成的关系,定义了一个基于Petri网的模型组合方案,将模型组合的要素映射到Petri网结构。利用Petri网提供的分析技术,辅助复杂业务流程的建模,从而在逻辑上提供了模型组合的性能和正确性验证。     

基于柔性神经树的Internet流量早期识别模型

在互联网产生的早期阶段对其进行准确有效的识别,对于网络管理和网络安全来说都有着极其重要的意义。鉴于此,近年来越来越多的研究致力于仅仅基于流量早期的数个数据包,建立有效的机器学习模型对其进行识别。本文力图基于柔性神经树（ FNT）构建有效的互联网流量早期识别模型。两个开放数据集和一个实验室采集的数据集用于实验研究,并将FNT与8种经典算法进行对比。实验结果表明,FNT在大多数情况下,其识别率和误报率指标优于其他算法,这说明FNT是一种有效的流量早期识别模型。     

决策树算法及其在乳腺疾病图像数据挖掘中的应用

介绍了ID3决策树算法建立决策树的基本原理，着重介绍了决策树的修剪问题和两种典型的修剪算法－减少分类错误修剪算法和最小代价－复杂度修剪算法，并利用介绍的决策树算法和修剪算法对乳腺疾病图像进行数据挖掘，得到了一些有实际参考价值的规则，获得了很高的分类准确率，证明了决策树算法在医学图像数据挖掘领域有着广泛的应用前景。     

基于决策树的税务数据分析

本文介绍了决策树的概念及生成过程，研究了利用基尼系数来选取值的算法，并将它集成到税务数据分析系统中，描述了构造税务数据分析系统所采用的方案，并提出了今后决策树研究要解决的一些问题。     

基于面向对象模型库的商业决策支持系统

目前,管理信息系统(MIS)已经在我国商业企业中得到了广泛的应用。但目前商业中的管理信息系统仍然还停留在基本事务处理的阶段,为决策者提供决策支持的功能比较弱。解决这一问题的途径是设计一套基于MIS的商业决策支持系统。决策支持系统是利用各种数据、信息、知识,特别是模型技术,辅助各级决策者解决结构化、半结构化决策问题的人机交互系统。该系统采用了模型/方法库、数据库、会话控制系统三模块的总体架构。模型/方法库的设计和管理是该系统的核心和难点所在。该文提出了利用面向对象技术实现模型/方法库的构造,参考数据库管理模式来管理模型库。预测是决策的基础。由于不同的模型针对不同的商业经营数据─主要表现为离散随机型的时间序列值─的预测效果不同,文章提出了一种思路,通过比较各预测模型的预测误差,选择出最优的预测模型,解决了多模型预测的自适应问题。该文所提出的模型的定义方法、模型/方法库的构造思路,基本上是一种通用的模型设计思路,对于其它决策支持系统的设计也有一定的参考作用。     

Incremental Induction of Decision Trees

This article presents an incremental algorithm for inducing decision trees equivalent to those formed by Quinlan's nonincremental ID3 algorithm, given the same training instances. The new algorithm, named ID5R, lets one apply the ID3 induction process to learning tasks in which training instances are presented serially. Although the basic tree-building algorithms differ only in how the decision trees are constructed, experiments show that incremental training makes it possible to select training instances more carefully, which can result in smaller decision trees. The ID3 algorithm and its variants are compared in terms of theoretical complexity and empirical behavior.     

模糊决策树算法与清晰决策树算法的比较研究

ID3算法是一种典型的决策树归纳算法,这种算法在假定示例的属性值和分类值是确定的前提下,使用信息熵作为启发式建立一棵清晰的决策树。针对现实世界中存在的不确定性,人们提出了另一种决策树归纳算法,即模糊决策树算法,它是清晰决策树算法的一种推广。这两种算法在实际应用中各有自己的优劣之处,针对一个具体问题的知识获取过程,选取哪一种算法目前还没有一个较明确的依据。该文从5个方面对这两种算法进行了详细的比较,指出了属性为连续值时这两种算法的异同及优缺点,其目的是在为解决具体问题时怎样选择这两种算法提供一些有用的线索。