应用决策树分析影响高校学生就业的因素

数据挖掘技术可以从大量的历史数据中发现内在的规律和联系。利用决策树ID3算法可以对高校学生的就业信息进行分析，发现影响学生就业的因素，从而引导高校的管理者和学生确立正确的努力方向，提高学生的就业率。     

一种改进的决策树学习算法

为提高C4.5算法的准确率引进一个平衡度系数,其大小由决策者依靠先验知识或领域知识确定,在特定环境下人工协调了各属性信息增益率,用改进后的算法构造出的决策树进行分类更为准确、合理.并通过实例分析对改进前后的算法进行了比较,证明改进算法的有效性.     

一种决策树增量学习算法在故障诊断中的应用

在决策树增量学习算法ID5R上,结合粗糙集理论较强的简化知识、缩小知识库空间的能力,提出了一种增量学习方法,该算法在面对新事例时,能够先对新知识与知识库内容进行比较,将其中已为知识库所有的知识进行压缩,仅对其余部分学习,该过程能够有效减少新示例学习过程的消耗.同时针对知识获取的瓶颈问题,将其应用于故障诊断的知识积累过程中,并通过一个柴油机油样光谱分析故障诊断的算例,验证该算法的有效性.     

一种基于粗糙集构造决策树的改进算法

基于变精度粗糙集模型,对文献[3]提出的生成决策树方法进行改进,把变精度加权平均粗糙度作为属性选择标准,提出一种构造决策树新算法.新算法用变精度近似精度来代替近似精度,能有效地克服噪声数据在构造决策树过程中对刻画精度的影响,使生成的决策树复杂性降低,泛化能力更强.     

一种改进的决策树分类算法研究

传统的ID3决策树算法存在诸多不足,如计算效率低、多值偏向等,对此,提出了属性值空缺、多值属性的选择以及属性选择标准方面的改进方案,并将加权熵和简化熵引入决策树算法以改进传统ID3算法.实验结果表明,改进后的算法在整体性能方面较目前广泛应用的ID3算法有更优秀的性能表现.     

一种改进的决策树学习算法

本文为提高C4.5算法的准确率引进一个平衡度系数，其大小由决策者依靠先验知识或领域知识确定，在特定环境下人工协调了各属性信息增益率，用改进后的算法构造出的决策树进行分类更为准确、合理。并通过实例分析对改进前后的算法进行了比较，证明改进算法的有效性。     

决策树算法及其改进

该文对传统的C 4.5决策树数据挖掘算法进行了改进,提出了一种双重熵平均决策树算法。传统的C 4.5决策树算法易出现无意义分枝,过度拟合等问题,针对该类问题,基于双重熵平均决策树算法,通过两次对样本子集熵平均值的计算、排序、合并处理,得到修正后的属性信息增益,并以此作为属性选择的依据,从而解决了传统C 4.5决策树算法可解释性差、易产生碎片等问题。     

基于多尺度粗糙集模型的决策树在高校就业数据分析中的应用

为解决目前常用于就业数据分析的C4.5算法、基于粗糙集等的决策树生成算法均无法很好地处理决策精度需求不同和噪声适应能力的问题,运用基于多尺度粗糙集模型的决策树算法于于高校就业数据分析,并以某高校2012年就业数据为例进行分析,同时将分析结果与C4.5算法和基于粗糙集的决策树生成算法的分析结果进行比较．结果表明：基于多尺度粗糙集模型的决策树算法生成的决策树树形结构简单、产生的规则简洁、不存在不可分的数据集、运算速度快．     

决策树算法在学生考试成绩中的应用

研究了决策树生成算法,应用此算法分析学生考试成绩,得出对应的决策树,最后讨论了决策树发展的方向及需要解决的问题.     

决策树分类算法及其应用

分类算法是数据挖掘中的最重要的技术之一.本文对决策树数据挖掘方法进行分析和比较;并应用分类方法挖掘枣树嫁接成活率与各种外在因素之间的关系,证明了决策树算法在果树研究领域有着广阔的应用前景.     

当代大学生就业问题研究

通过多年的大学学习生活,大学生在知识、个人能力与人格方面都有了显著提高。为了尽快实现自己的人生价值,他们有着强烈的就业意愿和积极的就业动机。从理论上对影响大学生就业价值观的因素进行探讨分析,找出当前大学生就业价值观存在的若干问题和原因。     

大学生就业能力研究述评

近年来,学者们分别从能力内涵、能力构成、能力模型等方面对大学生就业能力进行了探讨,取得了一系列重要的研究成果,对推动就业能力的研究起到了积极的作用。但已有的研究也存在一些不足,体现在大学生就业能力定义缺乏统一性共识、大学生就业能力研究缺乏针对性创新、大学生就业能力机制缺乏长效性探索等方面。     

基于高校、社会、学生三者视角解析当代大学生就业难

据国家人力和社会保障部统计,2011年全国高校毕业生为660万人,比2010年的630万多30万人,需要就业的毕业生数量很大,在后金融危机时代,高校毕业生就业形势十分严峻,这些没有就业的大学生已经成为一个庞大的社会群体,如果就业问题得不到很好解决,可能会引起社会不和谐、不稳定.本文针对目前严峻的就业形势从社会和学生自身以及用人单位三个角度研究大学生就业难的原因,以期探索出有助于缓解大学生就业难问题的有效途径.     

当前大学生就业问题的若干思考

大学生就业难作为当前不争的现实而备受社会关注。要解决大学生就业难问题，必须端正就业观念，优化就业环境，调整并完善高等教育。     

基于贝叶斯算法的蒙古文文本自动校对研究

对蒙古文输入过程中出现的拼写错误进行了分析和归类,给出了用贝叶斯算法校正蒙古文单词拼写错误的实现方法.通过对新闻语料进行纠错验证,在实验条件下,该方法的拼写纠错率可达89%以上.     

基于贝叶斯分类算法的安全检测

准确率和效率对一个入侵检测系统来说是至关重要的。介绍了分类的模型及其评价方法,采用基于贝叶斯算法的分类模型,给出了入侵检测系统的基本框架及实验结果。     

基于可雇佣性分析框架的大学生就业困境成因初探

可雇佣性不足是大学生就业难的重要原因之一。利用可雇佣性问题的理论分析框架．探讨了大学生就业困境问题，并在分析的基础上提出了缓解就业问题的解决对策。     

提升省属高校“双困生”就业竞争力的策略研究

在全社会就业形势严峻的大环境下,高校"双困生"就业显得更加困难。本文通过前期对"双困生"的就业现状、就业能力、就业难成因等进行的调查分析,进而从国家、社会、高校和学生家长等多方面提出了提升高校贫困生就业竞争力、树立正确的就业价值观的可行性措施,促进他们充分就业和高质量就业。     

基于贝叶斯算法的未知病毒检测的研究

随着计算机技术的发展 ,计算机病毒也层出不穷 ,严重地危害了计算机世界的安全。当前的病毒检测技术对未知病毒还做不到事先检测。基于贝叶斯算法的未知病毒检测技术 ,对代码的特征提取、机器学习方法进行了研究和探讨 ,给出了未知病毒检测系统的基本框架 ,并给出了评估方法和实验结果。     

基于相关系数的加权朴素贝叶斯分类算法

朴素贝叶斯分类算法的条件独立性假设在很少情况下能够满足,为了克服该问题,提出了一种基于相关系数的加权朴素贝叶斯分类模型.通过计算条件属性和决策属性之间的相关系数,对不同的条件属性赋予不同的权重,从而在保持简单性的基础上有效地提高了朴素贝叶斯算法的分类性能.首先给出了基于相关系数的属性权值求解方法,然后描述了相应的算法,并对算法原理进行了分析与证明.通过在中医小儿肺炎病例数据集和UCI数据集上的仿真实验,验证了该方法的有效性.