一个基于SLIQ的分类算法的实现

在介绍数据挖掘、分类算法的有关概念的基础上，描述了一个基于SLIQ(Supervised Learning in Quest)的分类算法的实现。算法控制结构采用队列来控制广度优先搜索，对属性表进行内部排序生成有序的属性表序列，再对所有属性表进行遍历，找出所有叶子节点的最佳分裂方案，对应该分裂的类表进行更改，最后生成的决策树通过前序遍历的方式存入输出表。     

基于SLIQ分类算法的数据挖掘技术及其在企业CRM中的应用

研究了SLIQ算法的预处理、计算最佳分裂、执行分裂几个大的阶段以及具体算法设计实现过程。最后,将SLIQ算法运用到建设工业集团销售公司中,并与客户关系管理系统结合起来,为公司决策提供支持和依据。     

快速分类算法SLIQ的研究与应用

详细讨论了SLIQ算法的设计实现过程,并把它应用到毕业生就业信息中,借助计算机对毕业生的就业信息进行挖掘。所获取的知识对指导今后的教学和学生工作有重要意义。     

数据挖掘中判定树算法SLIQ的设计与应用

分析了一种用Gini指标进行属性选择的SLIQ算法,讨论了提高效率的可行方法.把算法用到电力市场发电竞价决策系统中,通过对发电商的竞标能力进行挖掘,获取的知识对发电商的决策有重要现实意义.     

一种基于SLIQ的快速扩展分类算法的实现

ID3算法是一种信息熵的决策树学习算法,把信息熵作为选择测试属性的标准,对训练实例集进行分类并构造决策树来预测如何由属性对整个实例空间进行划分。ID3算法对于相对小的数据集是很有效的,但对大型数据库而言,ID3算法无法处理。SLIQ分类算法使用了一些独特的技术,改进了学习的时间,同时在没有降低精确度的情况下,解决了对磁盘驻留大数据集的分类。具有更快的速度而且生成较小的树。     

数据挖掘分类算法综述

基于数据挖掘分类算法的研究现状,对目前发展较成熟的几种分类算法如决策树、关联规则分类、神经网络、贝叶斯方法、遗传算法等数据挖掘分类算法分别进行了论述。主要分析比较各典型算法的优点和不足,对其他一些算法也作了简单介绍,旨在追溯算法的发展轨迹,指出部分算法可能发展的方向,为进一步研究提供有益的借鉴。     

数据挖掘常用分类算法研究

数据库、数据仓库以及其他存储信息库中潜藏着很多与商业、科学研究等活动的决策有关的数据和知识。对于数据挖掘中的数据分析,通常有两种常见的方法,即分类和预测,首先对数据库中的数据进行分类归纳,然后根据分类规则可以得到比较有价值的数据,然后我们可以根据这个数据来预测得到一些包含未来趋势的信息。在常见的分类算法中,决策树算法是一个有着很好扩展性的算法,可以应用到大型数据库中,可以对多种数据类型进行处理,分类模式容易转化为分类规则,结果也十分的浅显易懂易于理解。该文主要先介绍了几种常用的分类算法,然后具体介绍决策树算法的过程以及在分类算法实际应用中的优缺点。     

数据挖掘中分类算法的可扩展性探讨

为了更加灵活的应用分类算法,针对数据挖掘中分类算法的可扩展性展开分析,首先介绍决策树分类算法、K最近邻分类算法这2种常见分类算法,并且分析分类算法的可扩展性,明确分类算法的作用以及扩展分类算法的3点原因,最后从应用快速算法、及时分割数据、表达与维护数据关系这3个方面着手,阐述可扩展性的实现方法。数据挖掘中分类算法的可扩展性能够充分发挥分类算法优势,提高分类结果准确性,及时完成数据挖掘。因此本文主要研究了数据挖掘中分类算法的可扩展性,希望能够提供一定的参考价值。     

数据挖掘技术在税务稽查选案中的应用

数据挖掘，也可以称为数据库中的知识发现（Knowledge Discovery in Database，KDD）。决策树是数据挖掘的一个重要的技术。本文尝试把数据挖掘的方法和技术，通过实现SLIQ算法把该技术应用到税务稽查的计算机选案的途径。     

基于云计算的SLIQ并行算法研究

云计算为存储和分析海量数据提供了高效的解决方案,对数据挖掘算法的研究具有重要的理论意义和应用价值。SLIQ算法采用逐一遍历并计算伸缩性指标的方法来寻找最佳分裂点,这种方法过于消耗时间,当数据量增大时,算法的执行效率很低。本文针对云计算环境下的决策规则挖掘算法展开研究,介绍了Map Reduce编程模型,在此基础上,以实现云计算环境下SLIQ并行化挖掘为目的,给出了改进后的SLIQ算法在Map Reduce编程模型上的应用过程。     

数据挖掘中分类技术的研究

首先介绍了分类的概念,讨论了分类分析的步骤,阐述了用于构造模型的决策树算法,进一步讨论了决策树学习中出现的常见问题的解决方法。层层细化地展示了应用分类方法挖掘数据的方法,为实际应用提供了依据。     

数据挖掘中分类算法的研究及其应用

分类算法是数据挖掘中的最重要的技术之一.作者对具有代表性的分类算法进行了分析和比较;并应用分类方法在居民出行数据中挖掘出一些公交乘客规则,讨论了数据挖掘方法在公交乘客预测中应用的前景和实效.     

数据挖掘技术在税务稽查选案中的应用

数据挖掘,也可以称为数据库中的知识发现(Knowledge Discovery in Database,KDD).决策树是数据挖掘的一个重要的技术.本文尝试把数据挖掘的方法和技术,通过实现SLIQ算法把该技术应用到税务稽查的计算机选案的途径.     

分类挖掘在中职教学中的应用

通过分类挖掘技术促进中职教学的发展。首先讨论了中职教学的现状及其特点,然后介绍了分类挖掘的概念及相关技术。以及描述了决策树分类挖掘算法。并通过实例说明了怎样利用分类挖掘工具进行信息挖掘。最后运用分类挖掘技术找出数据库中有效信息,帮助教师全面了解学生,从而针对学生的各项特征作出教学策略的调整,以达到提高教学水平的目的。     

基于数据挖掘的决策树方法分析

决策树方法因其简单、直观、准确率高等特点在数据挖掘及数据分析中得到了广泛的应用。在介绍了决策树方法的一般知识后,深入分析了决策树的生成算法与模型,并对决策树的剪枝过程进行了探讨。     

一种新的基于遗传算法的数据分类方法

当前分类算法还存在诸如伸缩性不强、可调性差、缺乏全局优化能力等问题．通过构造完全分类规则集，设计了一种有效的遗传编码方法，使得遗传算法的各种优良特性在数据分类中得到充分的运用，从而提出了一种新的数据分类算法，新算法有效提高了数据分类的准确性，较好克服了当前存在的缺点．最后，给出了实验结果，证实了算法的有效性．