基于属性相关性的决策树规则生成算法

决策树方法因结构简单、便于理解和具有较高的分类精度而在数据挖掘中被广泛采用,其规则生成算法实现对决策树规则的提取和化简。属性相关性分析的基本思想是计算某种度量,用于量化属性与给定概念的相关性。提出了一种基于属性相关性的c4．5决策树规则生成算法c—c4．5rules,可替代c4．5原有的规则生成算法。c—c4．5rules在对规则进行化简时充分考虑了属性之间的关联性,实验表明该算法在保持原有分类精度的前提下,能有效提高规则生成时的计算速度和效率。     

基于决策树的协同进化分类算法研究

针对当前分类算法还存在的诸如伸缩性不强、可调性差、缺乏全局优化能力等问题,该文提出了一种有效的用于数据挖掘分类任务的方法--基于决策树的协同进化分类算法.实验结果表明该方法获得了更高的预测准确率,产生了更小的规则集.     

决策树分类法及其在土地覆盖分类中的应用

基于决策树分类算法在遥感影像分类方面的深厚潜力,探讨了3种不同的决策树算法(UDT、MDT和HDT)。首先对决策树算法结构、算法理论进行了阐述,然后利用决策树算法进行遥感土地覆盖分类实验,并把获得的结果与传统统计分类法进行比较。研究表明,决策树分类法有诸多优势,如:相对简单、明确、分类结构直观,另外,与以假定数据源呈一固定概率分布,然后在此基础上进行参数估计的常规分类方法相比,决策树属于严格“非参”,对于输入数据空间特征和分类标识具有更好的弹性和鲁棒性(Robust)。     

基于决策树的协同进化分类算法研究

针对当前分类算法还存在的诸如伸缩性不强、可调性差、缺乏全局优化能力等问题,该文提出了一种有效的用于数据挖掘分类任务的方法——基于决策树的协同进化分类算法。实验结果表明该方法获得了更高的预测准确率,产生了更小的规则集。     

基于决策树算法的医疗大数据填补及分类仿真

从大数据的基本特点和医疗大数据研究现状出发,分析处理过程中存在的问题,提出在决策树算法下的医疗大数据填补及分类方法.分析医疗数据的关联规则,采用关联分析(Apriori)算法和频繁模式树(Frequent Pattern Growth,FP-Growth)算法挖掘数据.以挖掘数据为基础填补其中的缺失数据,按照医疗数据特...     

SAR Sea Ice Image Segmentation Method based on Low Rank Sparse Representation and Improved MRF Model

Accurate segmentation of Synthetic Aperture Radar (SAR)images is the premise of interpreting the distribution information of sea ice.However the existing segmentation methodsare seriously interfered by speckle noise,which leads to high segmentation error and low reliability interpreting results.In this paper,a novel sea ice SAR image segmentation method based on low rank sparse representation is proposed,firstly sparse components are extracted from the source image by using robust principal component,and then bilateral filter is used to enhance the image details.Due to the MRF segmentation model based on fixed potential function cannot accurately reflect the relevance between the areas,MRF segmentation model based on interactive potential function is built to segment the sea ice image accurately.A series of Radarsat satellites data are tested to validate performance of the proposed method,the results show that compare with traditional segmentation algorithms,the proposed method algorithm can not only maintain the connectivity of the image better,but also has higher segmentation accuracy.     

图像分类中变形决策树的应用

介绍了利用平均色、代表色和轮廓线分布的联合图像特征,使用决策树建立图像分类模型方法。该方法使用变形的决策树来改善决策树的分类学习效率。实验数据表明效果显著,在对分类效果影响不大的情况下,有效提高了使用效率。     

空间分类规则挖掘的一种决策树算法

空间分类规则挖掘是空间数据挖掘研究的一个重要领域。文章提出一个空间分类规则挖掘问题,并为解决该问题介绍了一种空间分类规则挖掘的决策树算法。     

Dynamic Feature Extraction of Sea Ice in SAR Imagery

The Marginal Ice Zone (MIZ) consists of different ice types,which makes it very dynamic.The dynamic features of sea ice in SAR imagery show as numerous curves in random orientations and scales.According to these curve features,the paper use middle scales coefficients of the curvelet transform which gives an optimal sparse representation of singularities along smooth curves at multi-scale and multi-direction to design a dynamic feature extraction method in SAR imagery.The feature is related to the mean and GLCM energy of curvelet coefficients magnitude and its neighborhood.The MIZ getting from the proposed feature has an obvious improvement of accuracy comparing with the MIZ getting from the SIC data.The results demonstrate that it is an effective way to extract dynamic feature of sea ice.It can be used as the first step of the detection of MIZ,also used as an effective parameter in sea ice analysis model and environment prediction model.     

基于决策树分类器的归纳并行算法

分类决策树的归纳是一种重要的数据挖掘算法。本文重点介绍了两种基于并行算法的分类决策树的构造算法,并对它们的适用性及特点作了分析。     

决策树分类技术研究

决策树分类是一种重要的数据分类技术。ID3、C4．和EC4．5是建立决策树的常用算法,但目前国内对一些新的决策树分类算法研究较少。为此,在消化大量文献资料的基础上,研究了CART、SLIQ、SPRINT、PUBLIC等新算法,对各种决策树分类算法的基本思想进行阐述,并分析比较了各种算法的主要特性,为数据分类研究者提供借鉴。     

基于星载SAR的渤海海冰遥感监测系统设计与研究

针对渤海海洋防灾减灾的需要,提出基于星载SAR构建渤海海冰遥感监测系统。分析探讨了系统的数据源选择及工作流程,并就渤海海冰在SAR图像中的响应、海冰信息提取等关键技术进行了讨论。最后描述了该系统的结构设计及运行应用情况,可为今后类似系统的建立提供参考和借鉴。     

决策树算法的并行性研究

在数据库和数据仓库中运用数据挖掘技术必须考虑挖掘系统的速度问题。当数据集大到相当程度时，挖掘工作只能在巨型机上进行；而由于系统的速度不够快，挖掘出来的知识将会是滞后的，它对决策支持不仅无效甚至是有害的。针对这一问题，提出了决策树算法的并行机制，并对并行性的性能进行探讨。     

一种基于纵向划分数据集的并行决策树分类算法

本文提出了一种处理多属性数据集的快速可扩展性并行分类算法-FSPC算法。它首次采用了纵向划分数据集以及在测试属性的选择过程中同步划分数据集等方法。实验结果表明,它不仅有利于减少通信及进行I／O的开销,而且有利于提高算法的并行度。     

基于极化雷达影像的海岛礁提取

提出了一种利用RADARSAT-2全极化SAR影像和极化特征参数提取精确的海岛礁范围的技术方法。极化特征熵参数描述了目标散射的随机性,与海水相比海岛礁处于较高的去极化状态,因此海岛礁的熵值明显大于海水的熵值。首先本文利用EM(Expectation Maximization,最大数学期望)算法自动计算的提取海岛礁最佳阈值对熵参数文件进行阈值分割,得到海岛礁的初始分割结果。由于受到船只和海水表面波浪的影响,海水部分也会存在与海岛礁近似的熵值。因此初步阈值分割得到的海岛礁结果会有部分海水和船只等,利用PSNR(Peak value signal-to-noise ratio,峰值信噪比)提取海水大致范围并剔除海水范围内初始分割结果中的噪声部分。最后根据TM影像提取的海岛礁范围进行精度评价,实验结果表明该技术方法能够从极化SAR影像上准确提取海岛礁范围。     

基于人工神经网络与决策树相结合模型的遥感图像自动分类研究

本文提出了一种新的基于Kohonen神经网络与决策树相结合模型的遥感图像自动分类方法。选取绍兴地区为实验区，对TM图像进行了分类实验。并将该模型分类结果与基于Kohonen网络模型的分类结果进行了比较，发现对于江南低山丘陵河网密集区的TM图像应用该模型进行分类能够得到较为满意的分类结果，其分类精度可达到85．16％，较之单纯使用Kohonen网络模型提高了20．12％。     

决策树分类准确率极限的研究

采用最大分类树作为分析经验风险与结构风险的工具,对决策树分类准确率极限进行了研究。针对决策树模型的分类效果难以客观评价的问题,讨论了决策树分类准确率极限的存在条件,给出了求出该极限的方法。以最大分类树作为分析工具,提出了在经验风险和结构风险4种分布条件下分类准确率极限是否存在的4个定理,并从机器学习理论和工程建模实践2个角度进行了讨论。实验验证了该理论的正确性。     

基于决策树的软件分类方法

提出一种基于决策树SLIQ算法的软件分类方法,在利用现有测试工具的条件下,编写应用接口,获取软件的外部属性和内部属性数据。对异构数据源进行清理转换,从中提取软件分类的规则,对软件进行细粒度的划分,构建分类模型并在数据库管理系统不同版本的分类中应用。     

基于信息论的决策树算法探讨

信息论是数据挖掘技术的重要指导理论之一,是决策树算法实现的理论依据.决策树算法是一种逼近离散值日标函数的方法,其实质是在实例学习的基础上,得到分类规则.本文简要介绍信息论的基本原理,重点阐述基于信息论的决策树算法,分析了它们目前主要的代表理论以及存在的问题.     

基于k-best树模式的树流分类算法研究

对结构化数据的分类方法大多是基于频繁子结构挖掘,然后通过排序剪枝等处理将频繁子结构与类关联得到结构规则进而分类.本文针对树形结构数据提出一种基于重要树模式的数据流分类方法TSC,首先使用相关度量发现k个与类相关的最具有判别能力的树模式,在该过程中,使用分支界限法提高搜索效率,无需挖掘完全模式,另一方面对参考度不断更新从而避免后剪枝操作,得到的树模式可直接用于分类.同时,和以往的方法相比,TSC是无启发式算法,只需用户设置最大规则集数目.然后,采用经典adwin思想处理演变树流中的局部概念漂移.实验表明,与以往的方法相比,TSC生成更少的有效规则集使得测试时间大大降低,总运行时间相对较短的同时可达到较高正确率,简单高效.