数据挖掘预测模型在脑损伤患者认知功能康复中的应用

为了更好地预测后天性脑损伤ABI(Acquired Brain Injury)患者认知功能康复的影响因素,提出基于决策树(DT)、多层感知器(MLP)和广义回归神经网络(GRNN)的三种预测模型。借助于10折交叉验证测试算法,通过专一性、灵敏度和精度分析以及混淆矩阵分析对模型的性能进行测试,从而获得新的知识以评估和改善认知功能康复过程中的有效性。实验结果表明,基于DT的模型的模拟结果明显比其他模型更为优越,预测平均精度可高达90.38%。     

一种快速有效的机载目标识别算法

针对机载三维运动、复杂场景下特定目标识别困难的问题,提出了一种快速有效的算法。先采用基于颜色的目标检测技术,快速实现目标兴趣区域的粗定位;然后根据链码跟踪方法提取兴趣区域的特征;再根据样本视频总结归纳出的决策规则对兴趣区域的特征进行判断;最终实现特定目标的识别。实验表明,新算法速度快,实用性强,适合实时处理。     

基于SURF与Hough森林的人脸检测研究

为实现复杂场景中的人脸检测与定位,提出了一种基于快速鲁棒特征SURF与Hough森林的人脸检测算法。采用SURF局部特征构建Hough森林分类器,每个叶子节点存储类别信息与特征点到达目标中心的偏移量,在图像局部外观与Hough投票之间建立映射关系,生成有监督的判别式的码本,获得可靠的概率Hough投票,以此预测目标中心位置,提高了检测精度。与此同时,采用SURF局部特征提取图像兴趣点有助于减小计算量、加快检测速度。实验证明了所提算法的有效性。     

基于日志分析的虚拟化环境故障定位系统

在云平台的运行维护中,虚拟化环境的故障定位对容错极其重要。针对虚拟化环境的空间拓扑时变性,提出了一种基于时变的节点间依赖关系的日志分析方法,为决策树故障定位提供支持。节点间依赖关系能够帮助压缩日志,只提供故障时间窗口内的有效信息作为挖掘来源,从而更快更准确地完成故障定位。实验表明,能够在较大系统规模的多变的虚拟化环境下实现有效和高效的故障定位。     

基于数据挖掘的高职学生专业倾向性分析

高职教育为社会培养高素质的技能型人才发挥了重要作用,但是有部分高职学生在就业中并没有从事跟本专业相关的职业.造成这种结果的一个原因就是学生的专业选择.利用数据挖掘技术对专业倾向性进行分析,找出影响专业学习的因素,帮助学生进行专业的选择,同时也使得高职院校在专业的课程设置中更有针对性.     

基于决策树模型的编程算法实践研究

分析决策树的基本模型,给出决策树的方法概述.进一步对决策树的算法进行了深入的分析,最后给出了构建决策树.并且应用决策树进行线性分类和2次分类,进行了算法的实践.     

一种决策树算法的研究

SURPASS是一种增量式的处理数字数据的决策树算法,常被用于入侵检测和模式识别.它在准确率方面超过了一些决策树算法,它的另一个优越性表现在能够处理大小超过计算机内存的数据集.但是由于SURPASS要处理大数据集,它生成决策树耗费的时间比较长.针对这一问题,提出了一种指标并指出了指标的两种形式,使得在SURPASS生成的决策树生长的每一步,可对属性的指标值排序,保留指标值较小的属性,算法从被保留的属性集中选择最佳属性进行分割.这样每一步需要评价的属性的个数减少,或者说在每一步,少量的内存操作可代替大量的外存操作.     

个性化远程教育平台中数据挖掘技术的应用

现代远程教育是一种新型的教学形式,但多数未能实现针对不同学习者的个性化教学。研究如何将数据挖掘技术应用于远程教育领域,建立个性化远程教育系统模型,使远程教育系统的资源根据学生需求来配置,以求达到真正的个性化教学。     

基于决策树支持向量机模型的变压器故障诊断法

根据对变压器常见故障原因和危害程度的分析,构造了电力变压器故障诊断决策树。其判定级别为自上而下,而决策树的每一叶都对应着一种具体的故障模式,并选用不同的支持向量机单元模块作为决策树不同分支中的基本分类器,建立组合支持向量机模型,实现了对故障的多分辨识别,该方法提高了故障分析及预测的准确度。应用结果表明该系统模型是富有成效的。     

基于物流数据仓库和决策树算法的客户信用度分析

根据物流企业与客户之间的互动关系,通过物流数据仓库决策树分析,得到各类影响因素的层次,为物流企业与客户今后的交易往来提供辅助决策信息,进行客户信用等级的评价,以此制定相应的赊销政策,控制客户信用风险。