医疗数据中知识发现的研究

介绍了ID3决策树算法建立决策树的基本原理和改进方法,利用改进的决策树算法对心脏病医疗诊断数据进行数据挖掘·采用VisualC++6 0进行编程建树,得到了一些有实际参考价值的诊断规则,获得了较高的分类准确率,证明了决策树算法在智能医疗诊断数据挖掘领域有着广泛的应用前景·     

决策树C4.5算法在森林资源二类调查中的应用

C4.5算法是基于信息熵理论进行数据分类分析的经典决策树数据挖掘算法.它主要包括数据预处理、决策树生成、决策树修剪、决策树规则提取等步骤.笔者将C4.5算法应用于森林资源二类调查的数据分析中,通过对调查数据挖掘分析表明,数据挖掘在森林资源调查数据分析中具有广泛的应用前景.     

基于决策树的计算机二级考试成绩分析

本文首先阐述数据挖掘流程的基本概念,介绍了决策树算法的原理,根据决策树算法分析了影响高职高专院校学生计算机二级考试Access的考试成绩的诸多因素,对这些因素按照数据挖掘思想生成了规则集。分析了影响因素后,可为教师在教学过程中明确教学方向和教学重点奠定了基础。     

决策树算法在医学图像数据挖掘中的应用

目的研究决策树算法在医学图像数据挖掘中的应用。方法利用决策树算法对乳腺癌图像数据进行分类，提出了一个基于决策树算法的医学图像分类器。结果实现了ID3和C4．5算法对图像数据的分类，获得了分类的实验结果。结论该模型系统达到了较高的分类准确率，证明数据挖掘在辅助医疗诊断中有着广泛的应用前景。     

医学图像数据挖掘与特征提取方法研究

在医学图像特性分析基础上,对医学图像的特征提取及数据挖掘热点进行了研究.根据CT、MRI图像的边缘提取、组织分割、立体重建和检索等方面的应用需求,重点分析了基于定性与定量的特征表示,及有效的灰度直方图和灰度共生矩阵的特征选取方法;通过对医学图像数据挖掘的相似性搜索、特征关联规则挖掘、多维分析及分类聚类方法的研究,提取了一种医学图像数据挖掘实施步骤,希望在医学与数据挖掘方法结合方面,对医学诊断、数据分析有一定的贡献或帮助.     

应用数据挖掘技术促进数字化校园建设

阐述了数字化校园和数据挖掘技术的关系．在分析了数字化校园中应用数据挖掘技术的需求基础上，将决策树算法、关联规则算法、聚类分析、回归分析方法具体应用于数字化校园，为数字化校园的建设开启了新思路．     

数据挖掘在国际贸易电子商务中的应用

讨论了数据挖掘在国际贸易电子商务中的重要作用和基本过程，探讨了对挖掘前的数据预处理工作和决策树挖掘过程。针对国际贸易电子商务数据的特点，利用决策树方法对国际贸易电子商务数据进行挖掘，对挖掘的规则进行了分析。     

二元组决策树模型设计

针对数据挖掘的一般应用，采用决策树的方法，建立了二元组决策树模型，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、决策树剪枝和规则集推导。     

基于数据挖掘方法的公司财务报表分析模型

为了用数据挖掘方法实现财务分析,建立了基于数据挖掘方法的财务报表分析模型,即运用聚类、关联规则、决策树方法进行联合分析操作,构建在资产结构年度值表上运用数据挖掘方法的模式,以网络上公布的电子产品企业的财务报表为基础,实现了这个行业一个完整的数据挖掘模型构建的过程。     

决策树在网上销售中的挖掘研究

采用数据挖掘中的经典决策树算法ID3,对某网站数据进行预处理,构建了基于信息增益的决策树,产生一些有用的购买行为规则,证明了决策树技术在网上销售领域有着广泛的应用前景。     

决策树算法分析及其未成年人犯罪行为分析应用

数据挖掘是致力于数据分析和理解、揭示数据内部蕴藏知识的技术.通过对数据挖掘决策树算法和未成年犯罪人员行为数据进行分析,找出其中潜在的规则为相关部门决策提供理论的支持.     

基于WEKA的数据挖掘技术在物流系统中的应用

利用WEKA作为数据挖掘工具,通过C4.5决策树分析以及Apriori关联规则的挖掘,结合实例对物流企业的客户资料和服务项目进行分析。     

改进决策树的研究

提出了一种结合规则技术思想的决策树的改进方法，利用数据挖掘所产生的规则对决策树每个分支节点的分裂条件进行判断，即能限制决策树生长，又能帮助选择最优线路，从而使决策效率明显提高。     

决策树算法在中职招生宣传中的应用研究

目前，数据挖掘技术已广泛应用于市场营销、金融、保险、工程与科学数据分析等领域。本文尝试性地利用数据挖掘中的决策树算法，对中职考生的报考数据进行分析研究，生成决策树，总结出规则，为决策；等提供理论支持。     

ID3算法在计算机成绩分析中的应用

通过介绍数据挖掘的概念和决策树分类方法,论述了ID3算法的基本思想和实现方法,并用该算法对学生计算机成绩进行分析,构造计算机成绩决策树并从中提取出一些重要规则,为教师教和学生学提供参考依据.     

基于基因表达谱的肿瘤样本分类规则提取

样本分类规则提取是基因表达谱数据挖掘工作中的重要内容,提取肿瘤病理组织与正常组织的样本分类规则具有重要的生物学意义与临床诊断价值.针对该问题,基于机器学习与数据挖掘技术,研究了用于区分肿瘤与正常组织样本的分类规则提取问题.首先,利用改进的Relief算法生成候选特征子集,并以支持向量机作为样本分类模型,利用交叉验证方法在训练集上评估候选特征子集的样本分类能力,确定分类特征基因集合;然后,利用CART(classification and regression trees)学习算法构建决策树获得样本分类规则;最后,对所得规则进行了分析和解释.     

分布式环境下基于隐私保护的决策树方法的研究

隐私保护数据挖掘成为目前数据挖掘的新兴热点,如何在保护隐私不被泄露的条件下发现隐藏的规则成为研究的重点。为此将隐私保护应用于决策树生成算法,使得在不泄漏隐私数据的前提下同样可以建立准确的决策树。     

基于CMAR分类算法的实现

数据挖掘的目标是在海量数据集中寻找和分析某些内涵信息,其数据分析的方法对结果集有很大的影响. 通过改进决策树算法的数据结构,产生分类关联规则并进行规则剪枝,实现了决策树的CMAR(Accurate and Efficient Classification Based on Multiple Class-Association Rules)生成算法;实验表明CMAR算法具有快速和精确度高的优点,具有一定的应用前景.     

用决策树方法挖掘寿险数据中的投资风险规则

本文的目的是希望在保险公司寿险客户对产品的索赔记录上,通过数据挖掘的方法,发现影响客户索赔次数的主要因素。应用数据挖掘技术,通过对客户的数据进行抽取、清洗和预处理,生成数据挖掘库,并使用数据挖掘工具,利用决策树方法建立模型,并对所分析出的模型及结果进行了分析理解及验证,得出一些实用的控制寿险风险的规则。     

数据挖掘技术在全断面掘进机故障诊断中的应用

分析了全断面掘进机复杂的故障机理和运行参数,研究了将粗糙集和决策树应用到数据挖掘中的方法.以全断面掘进机刀盘的一些实时数据为例,采用MATLAB 7.0对数据进行离散化处理,结合粗糙集属性约简的算法对故障样本进行冗余属性的约简;然后,利用决策树算法对约简后的故障样本集进行规则提取,利用数据挖掘工具Clementine实现了C4.5算法和改进的C4.5算法,对其结果进行了对比分析;最后,运用VB编程对全断面掘进机采集的部分数据进行测试,结果表明该融合算法是一种快速、有效、可靠的故障检测与诊断的新途径.