浅谈远程开放教育学习者流失的应对措施

远程开放教育学习者流失问题，一直困恼开放教育的问题，并带来了许多负面问题和消极影响。本文在对开放教育学习者学习动机分析的基础上，研究了学习者流失的主要原因，从四个方面提出了解决此问题的措施。     

电信客户流失的组合预测模型

针对电信行业客户流失的问题,设计基于决策树C5.0、BP神经网络及 Logistic 回归算法的组合预测模型,并对某电信企业进行客户流失预测.预测结果表明:与单一客户流失预测模型相比,组合预测模型命中准确率高,预测效果好,更能直观地显示出流失客户的基本特征.     

潜在流失客户的发掘模型探讨

提出了一个基于数据挖掘技术的解决方案，首先运用C4．5决策树算法识别客户的客观指标集合，然后对这些客观指标进行偏差分析，建立时间序列模型预测流失客户。     

基于改进C4.5的E-learning教学辅助系统的研究与实现

为提高E-learning(数字化学习)中学生自主学习以及教师管理学习的效率,提出将决策树C4.5算法应用于数字化学习平台中的决策分析,设计了基于决策树的E-learning教学辅助系统,根据学生的在线学习行为预测其学习效果,以尽早发现问题。基于Fayyad边界点判定原理和数学的等价无穷小理论,对传统C4.5算法作出两点改进,在E-learning系统中,运用改进的算法先训练出在线学习行为与学习效果间的决策树模型,导出分类规则,而后进行学习效果预测。实验结果表明,改进后的算法具有比较高的预测准确率,能够为学习者和教学者提供决策支持。     

远程教育导学教师的职能分析

远程教育导学教师不同于课程辅导教师,其职能主要体现在"导学"上,即引导和指导远程学习者适应新的学习环境,主动地、独立地开展自主学习和个别化学习,具体包括:帮助远程学习者确立专业思想,指导远程学习者制定学习计划,提供网络学习信息支持服务,疏通远程学习者思想、心理障碍等方面。导学教师只有全面了解远程学习者,掌握远程学习支持服务理论及技能,熟悉远程学习管理制度,采取针对性、多样化导学方法,才能充分发挥导学职能,促进远程学习者投入学习。     

参照性交流与个人学习者学习过程和选择性注意的比较

以72名大学生为被试,设计虚拟学习材料,创设参照性交流和个人学习方式,通过功能预测学习任务和维度选择任务,比较参照性交流与个人学习者学习过程、选择性注意的差异特点.结果显示:功能预测中学习阶段1至学习阶段2学习者间成绩差异无统计学意义,学习阶段3至学习阶段10参照高分组成绩显著高于低分组和个人组,差异具有统计学意义;维度选择中参照高分组、低分组被试揭开的维度平均数均显著高于个人组,差异具有统计学意义.表明与个人学习者比较,参照性交流学习优势仅表现于高分学习者;参照性交流学习者选择性注意水平高于个人学习者.     

远程学习材料中的活动设计

本文对远程学习材料中活动设计的重要性、类型和形式、结构、数量安排、与学习者之间的关系等内容进行了全面的介绍，指出良好的活动设计是远程学习材料开发的关键要素，只有符合远程学习特征的学习材料才能真正适合远程学习者的需要，才能保证远程教育的质量。     

面向知识发现的数据分类技术在网络教学中的应用研究

提出将数据挖掘技术应用于网络教学平台的设计,采用决策树分类方法从学习者的大量信息中分析学习者的学习能力,构建学习者特征模型,提高网络教学对不同学习者个体的针对性,为实施个性化教学提供决策支持.     

一种新型决策树属性选择标准

讨论传统决策树算法中三种常用的基于熵的属性选择标准，提出一种基于属性重要性排序的建立决策树的新方法。该方法在决策树的每个内结点首先依据属性重要性将属性进行排序，然后选择最重要的属性作为分类属性生成决策树，并抽取出规则。与传统的决策树数据分类方法相比，此方法可有效地选择出对于分类最重要的分类属性，增强决策树的抗干扰能力，并提高规则的预测精度。     

网络赌博案件中涉案电子证据的约简决策树分类预测

为获得网络赌博犯罪行为涉案电子证据的分布规律,针对网络赌博案例库所导出的训练样本集,提出容粗糙集属性约简思想的决策树分类预测算法,由属性约简进行决策树预剪枝,将属性重要性度量融入决策树分支属性结点的选择过程,案例拟合验证表明所建决策树分类模型具有较高的分类预测精度,所获预测规则可有效指导网络赌博案件的侦破。     

基于粗糙集决策树优化研究

决策树分类方法是一种有效的数据挖掘分类方法.单变量决策树结构简单,但规模较大.多变量决策树是为了进一步缩减树的规模而提出的决策树结构,通过选取属性的合理组合作为分裂属性,可使树的规模相对较小.文章在对以往所提出的混合变量决策树算法RSH2的抗噪性差和属性被多次选取等问题进行改进的基础上,提出了基于粗糙集的多变量决策树算法VPMDT.通过与ID3、HACRs、RSH2和C4.5等算法进行的实验比较表明,VPMDT有较好的时空性能,并保持较高的分类预测正确率.     

基于梯度提升决策树的焦炭质量预测模型研究

焦炭是高炉炼铁的重要原料,其质量是影响铁水质量和高炉顺行的重要因素,针对焦炭质量存在检验难、滞后性、预测误差大等问题,提出一种基于梯度提升决策树算法的焦炭预测模型;结合专家经验与相关性分析方法,深入研究配合煤质量对焦炭质量的影响;最后利用配合煤质量指标对焦炭质量指标灰分、硫分、耐磨强度、抗碎强度进行建模预测;根据某焦化厂历史生产数据对模型进行评估,实验结果表明:基于梯度提升决策树的焦炭质量预测模型相较于线性回归模型、随机森林模型,决策树模型误差小、准确率高,可以为焦化厂配煤炼焦提供一定的理论依据。     

数据挖掘决策树在肝癌病人预后中的研究与应用

本文介绍了数据挖掘决策树算法的基本原理。并将决策树技术应用于肝癌病人预后的影响中。提出了一种预后影响的预测方法。通过20个样本数据,详细的介绍了建立决策树的步骤和方法。     

改进决策树算法在企业资源计划系统中的应用

为改进企业资源计划(ERP)的数据挖掘技术和提高利用效率,改善ERP系统的预测功能和决策支持,通过运用改进的混合决策树算法ID3,对企业ERP系统中某些决策判定的依据进行学习,根据学习结果对ERP系统中的新问题进行预测. 给出了相关的算法流程和实现步骤. 实验结果验证了改进决策树算法在决策预测支持中的有效性和可行性.     

基于决策树算法的AMT挂挡过程冗余控制研究

为了对AMT系统挂挡过程进行良好的冗余控制，针对挂挡位移传感器失效状况，提出了一种基于CART决策树算法的挂挡时间预测模型.模型建立过程中，选取挂挡阶段的气压p、变速器输入轴转速n₁、变速器输出轴转速n₂和同步器的同步速差Δ；n作为特征值变量，选取挂挡时间作为预测值.通过交叉验证，对原始决策树进行修剪，得到最优决策树模型.在使用测试集进行模型验证时，在预测误差不超过50 ms的情况下，对挂挡时间的预测具有90%以上的准确率.台架及实车试验表明，在挂挡位移传感器失效的情况下，基于该算法的电磁阀控制策略可以完成正常的换挡操作，通过实际传动比和控制策略预测得到的理论传动比的对比发现，预测的换挡点时刻的判断误差在50 ms以内.      

基于属性相似度的决策树生成算法

为寻找最优决策树,对决策树生成方法进行了研究,提出了属性相似度的计算方法,引入了属性相似度,对测试属性进行约简.在此基础上,提出了以属性相似度为启发规则的决策树生成算法.该方法预测精度高,计算简便.     

决策树算法预测人类病毒的蛋白质磷酸化位点

本文基于决策树分类算法构建人类病毒蛋白质磷酸化修饰位点的预测模型。采用氨基酸物理化学性质对蛋白质序列进行特征提取,并分析丝氨酸、苏氨酸和酪氨酸磷酸化位点邻近序列的氨基酸性质。同时考察了不同分类算法对预测结果的影响。通过10倍交叉验证,利用决策树算法预测丝氨酸、苏氨酸和酪氨酸磷酸化位点的MCC分别达到77.31%、75.91%和71.94%,表明本文提出的方法能有效地预测人类病毒的磷酸化修饰位点。     

基于改进鲸鱼优化算法的GBDT回归预测模型

针对梯度提升决策树（gradient boosting decision tree, GBDT）参数难以选择的问题, 提出一种基于改进鲸鱼优化算法（improved whale optimization algorithm, IWOA）的GBDT回归预测算法. 首先, 提出一种改进的鲸鱼优化算法, 利用混沌映射初始化种群提高种群多样性, 引入惯性权重与差分进化算法中的变异交叉策略解决迭代后期易陷入局部最优的问题； 其次, 利用IWOA对GBDT的关键参数寻优, 避免参数选择的盲目性, 提高回归预测模型的泛化能力； 最后, 建立IWOA-GBDT回归预测模型, 并利用UCI数据集对模型进行验证. 实验结果表明, 相比于决策树、 支持向量机、 Adaboost和GBDT算法, 该模型算法具有更好的拟合效果, 并有一定的实用价值.     

基于随机生存森林的城市快速路交通事件持续时间预测研究

交通事故、抛锚等交通事件对城市快速路的运行影响极大;准确预测交通事件的持续时间可有助于主动交通管理措施的实施,提升通行效率与安全。本研究采用随机生存森林模型开展交通事件持续时间分析,以克服传统决策树模型易过度拟合和传统生存分析需限制性假定及识别协变量交互作用的缺陷。研究基于上海城市快速路网交通事件数据,并结合道路几何线形、交通运行、天气状况等数据。原始数据库分为训练数据(80%)和测试数据(20%)。分析结果表明事件类型、路段长度、发生地点、剩余车道数、交通流量等变量对交通事件持续时间有显著影响;影响时间预测准确率结果表明随机生存森林模型预测精度显著优于随机森林的预测精度。