分类规则挖掘及其在故障诊断建模中的应用

探讨了数据挖掘技术中分类模型和算法,提出了基于决策树学习的建模方法,通过实例说明了该技术在故障智能诊断中的应用及优点。     

一种快速SVM学习算法

介绍了支持向量机用于解决模式分类问题的基本原理和学习算法，在对SMO算法进行深入分析的基础上，提出了一种改进的分解算法GD，较好地解决了训练过程中子问题的求解复杂度和迭代次数及效率之间的矛盾。实验表明，该算法能够大大缩短非线性核支持向量机的训练时间。     

基于数据挖掘的高校学生成绩分析与管理

随着高校的扩招,学生的数量越来越大,传统的学生成绩处理方法已不适应深入分析的需要。本文建立了学生情况数据库,应用改进的数据挖掘ID3算法进行了情况分类,分析结果,得出了影响学生成绩的内部原因以及一些结论,为高校的教学管理提供参考。     

Web挖掘技术在智能远程教学系统中的应用研究

随着网络信息技术的迅速发展,智能远程教学系统的研究越来越受到重视,为了更好地满足用户的个性化学习要求,在系统中使用Web挖掘技术,并采用决策树的方法对数据进行挖掘,得出关于课程的决策树,体现了数据挖掘技术在智能远程教学系统中应用的有效性.     

基于信息熵的ID3分类算法的研究

ID3分类算法无法处理连续性数据并且在选择分裂属性时明显倾向于取值多的属性,无法产生准确的规则.基于信息熵的连续数据离散化预处理技术有效地拓展了ID3算法的应用领域,并提出了基于信息增益率的分裂属性选择方法 ,样例数据测试结果 分析表明:该分类算法改正了在选择分裂属性时明显倾向于取值多的属性的缺陷,提高了分类的精度.     

决策树数据挖掘技术在公共事业管理绩效评价中的应用研究

文章主要介绍在对公共事业管理绩效评价过程中,利用数据挖掘技术中的决策树方法从海量数据中抽象出概念数据,提高评价的信度和效度,节省评价时间的计量分析方法.     

基于决策树的分布式数据挖掘算法研究

当前，各相关学科的飞速发展，使得对计算机速度、系统可靠性和成本实效性的要求提高，这必将促使发展另外的计算机模型来取代传统结构的计算机。另外，随着计算机网络的出现以及实际应用中的要求，数据挖掘系统必须具有更好的可扩展性。分布式数据挖掘算法正是在这一背景下产生的，它是数据挖掘技术与分布式计算的有机结合。     

大数据驱动下全接触渠道的电力客户精准画像

基于大数据平台和微服务架构，建立电力客户精准画像技术架构，形成大数据驱动下客户画像系统底层标签数据集合，结合模糊C均值聚类算法、决策树及XGBoost算法建立的电力客户标签，生成电力客户精准画像，构建电力客户精准画像体系.实验结果表明，所提方法能够精准挖掘电力客户数据，聚类多种客户标签，有效降低标签分类汉明损失，减小电力客户标签分类误差，确保生成有效电力客户画像.     

基于成绩库的远程学习者流失预测决策树的应用研究

通过对远程学习者成绩数据库的挖掘分析，建立了基于成绩库的远程学习者流失预测决策树。这种方法获得的决策树模型预测命中率和预测覆盖率均具有比较好的精度，可以用来探测、发现学习者成绩与学习者流失之间的潜在关系，为远程教育院校的学生保持工作提供数据警示。     

模糊决策树归纳算法及应用

使用分类信息熵极小化启发式，对分类问题中属性值为模糊集时，提出了直接用隶属度作为连续值变元来产生决策树的算法，将该算法应用于大型旋转机械振动故障诊断的规则提取上，经实践检验，所提学习算法合理。