一种基于数据库查询的改进的决策树算法

ID3算法作为数据挖掘分类技术中的核心算法,有着构造简单、学习能力强、分类速度快等优点。但由于其沿用的是机器学习算法,处理的数据集规模小且与数据库集成性较差,影响了其实用性。在继承原有算法思路的基础上,对其核心部分进行了改进,通过使用嵌入式SQL,直接对目标数据库进行查询操作并处理,最终得到分类决策表并保存于数据库。实验证明,改进的ID3算法结合了SQL的高效性和C语言的灵活性,高效无缝地实现了大量数据的分类且大大提高了算法的执行效率。     

具有学习能力的智能诊断系统研究

随着电子设备系统的日益复杂化,依靠单一的推理技术的故障系统已难以满足复杂系统的诊断要求,将多种不同的推理技术结合起来的集成诊断系统,能够充分利用各自的优点,从而提高系统诊断的正确性和效率,是目前智能诊断研究的一个发展趋势。将研究复合系统的智能诊断问题,提出在一个复合系统的诊断过程中,通过机器学习,使基于规则的诊断和基于模型的诊断两种诊断技术相互结合,在诊断的不同阶段发挥出各自的作用,从而建立一个融合了RBD和MBD技术优点的、具有一定学习能力的智能诊断系统。     

决策树在XML数据库挖掘中的研究

传统数据挖掘是基于关系型数据库的,XML技术的出现,使它在短时间内成为表示和交换信息的标准,为数据挖掘提供了新的方法.对决策树、XML技术作了简要介绍,并对基于XML的数据挖掘基本过程进行了探讨研究,提出了一种决策树在XML数据库挖掘的分析模型.最后,通过一个实例来说明如何利用这个模型进行数据挖掘,并指明了今后的研究方向.     

基于遗传算法和模糊决策树的时间序列预测模型

股票价格预测总是投资者和技术分析者感兴趣的一个主题.然而,决定买卖股票的最好时间仍然是困难的,因为有很多因素可能影响股票价格.通过改进模糊决策树建立了一个新型金融时间序列数据预测模型.该预测模型融合数据聚类技术,模糊决策树及遗传算法来构建基于历史数据和技术指标的一个决策系统.提出的GAFDT模型在与各种股票的其它方法相比较时有平均预测准确率为0.82的最好绩效.     

基于增量决策树的快速IDS研究与实现

随着攻击的日益增多和高速网络的普及,对IDS的性能要求也日益提高,Kruegel将ID3决策树引入到入侵检测系统中,有效地提高了入侵检测的速度,但该方法在增加规则时需要完全重建决策树,而且占用内存过大,对于要求实时性的应用场合并不适合。引入基于增量学习的ID5R决策树算法,并对规则属性处理方式进行优化,在保证检测速度的同时解决了实时增加规则和占用内存过大的问题。     

手绘图识别的用户适应性研究

草图理解的关键问题是允许用户按其习惯方式输人图形,即草图理解的用户适应性.为此提出了一种在线草图识别用户适应性解决方法:首先对用户输入的图形进行预处理;然后利用转角函数的方法进行笔划特征点的抽取;最后用动态用户建模技术进行笔划和复杂图形的识别.具有很强的用户适应性,消除了因用户随意输入带来的识别困难,为草图理解的实现提供支持.实验表明所提出的方法不仅能得到较好的检索结果,而且具有较好的用户适用性,为解决在线草图识别及其用户适应性问题提供了有益的尝试.     

多重分形去趋势波动分析及改进决策树在电能质量分析中的应用

通过多重分形去趋势波动分析方法分析了6种常见的电能质量信号,证明了电能质量信号具有多重分形特征.据此提出基于多重分形去趋势波动分析的电能质量特征提取方法,选取多重分形谱参数(hqmax、αmin、α0)和信号能量E作为特征向量矩阵,结合改进决策树分类,进行电能质量分析和识别.该方法与DTCWT、HHT和EEMD方法进行...     

基于梯度提升决策树的特征筛选与钢卷力学性能预测

基于冶金机理选取热镀锌钢卷基本建模特征,采用梯度提升决策树算法对其他化学元素特征进行筛选,结合网格搜索与交叉验证方法对模型参数进行优化,并利用模型分析不同特征对钢卷屈服强度的影响。结果表明:热镀锌钢卷力学性能预测建模的基本特征包括工艺参数特征、规格特征以及基本化学元素特征,对钢卷屈服强度影响较大的其他化学元素特征为氮、铝含量;模型参数优化后,在测试集上测得屈服强度的均方根误差为10.671 MPa,平均绝对误差为8.244 MPa,平均绝对百分误差为2.641%,模型预测精度比模型参数优化前的明显提高;当碳、硅、锰含量变化或热轧入轧温度变化时,钢卷屈服强度的变化幅度较大。     

模糊诊断决策树中不完全数据的处理

离心压缩机组的模糊诊断决策树能够从理论上合理地解决一般诊断问题;但是实际设备运行环境中获得的数据常常造成属性值的缺省或测量错误等现象,所以在建树过程中利用不完全数据进行诊断推理也是诊断系统应该考虑的问题。对此文章提出了两种方法一对未约简屙陛决策树采取人为分配隶属度的方法,对约简属性决策树定义了极小决策树与极大决策树的概念,并给出极大决策树的建树方法,充分利用冗余属性的信息,提高诊断结果的精度。     

基于知识的神经网络在出行方式选择中的应用研究

针对神经网络和决策树方法在算法上的本质联系和互补优势,将C4.5决策树提取规则的基于知识的神经网络（knowledgebased neural network,KBNN）用于出行方式预测。对居民通勤出行方式选择数据的分析表明,KBNN相比于决策树方法、普通前馈神经网络和多项Logit模型（MNL）有更高的预测精度,方法不仅提高了网络的可解释性,且易于构造、收敛速度更快,实用性较强,为出行方式选择预测提供了新的思路。