基于多变量决策树的不完备信息系统规则提取研究

不完备信息系统也有很多有用信息，可以得出支持决策的确定规则。基于决策树的完备信息系统规则提取方法很多，如比较有影响的ID3算法等，但是在不完备信息系统中应用决策树进行规则提取的方法还不是很多。本文提出用多变量决策树方法对不完备信息系统进行规则提取的方法，可以得出部分确定信息，方法简单易行。     

一种基于决策树的位置隐私保护方法

针对位置信息滥用导致用户隐私泄漏问题,设计了位置隐私保护模型,该模型满足查询匿名性、轨迹不可追踪性.在该模型下,提出了基于决策树的匿名方法,该方法通过决策树判定规则来实现位置匿名,解决了位置k-匿名、位置l-多样性问题.理论分析和实验验证表明该方法的安全性和有效性.     

数据挖掘技术在学生信息系统中的应用研究

讨论了基于关联规则的数据挖掘技术,并应用于学生信息查询系统中,可以得到有用的信息并利用语义查询优化方法加快查询的速度.     

基于B/S模式的学籍管理子系统的设计与实现

阐述了基于B/S模式下的学籍管理子系统的设计与实现。该系统采用ASP(ActiveServerPage)技术,实现了教务管理信息系统中学籍管理子系统的部分模块。它包括对教务信息的Web查询;个人信息网上登记与注册;大学外语四级和六级考试报名与成绩查询及对教师、学生的个人信息的查询、毕业生情况查询等功能。     

基于不可分辨关系的分类规则算法

决策规则是关联规则、决策树和粗糙集等方法挖掘的主要对象。提出了一种基于属性值重要性的挖掘决策规则的新方法,该算法将属性值重要性看成是可以分辨的元组对数,从其构造的决策树中得到的规则与ID3算法产生的规则是等价的,但该方法计算复杂度低。     

利用决策树获取搜索结果页面中的匹配数

匹配数是搜索引擎给出的信息查询结果数据。匹配数可以反映搜索关键字的出现频率和搜索引擎的数据库规模,也可以集成在应用程序中。不同的搜索引擎中匹配数出现的方式是复杂和不确定的。决策树算法是机器学习中应用最广的归纳推理算法之一,适用于不确定数的判定。本文提出了一种适用于多种搜索引擎的获取匹配数的方法,利用两棵顺序决策树来进行匹配数的判定。实验证明准确率较高,在本实验中达到93%。     

安全数据库数据层推理泄漏检测方法

普通权限用户通过查询并结合数据库的其他知识,绕过安全机制,进行间接推理获取非授权信息,从而造成安全数据库敏感信息的推理泄漏.针对这一问题,提出了一种数据层的推理泄漏检测方法.该方法在形式化描述的基础上,根据数据库的约束规则和用户查询数据,基于逻辑推理实现了推理泄漏的检测.理论分析和测试结果表明该方法能够全面、有效地获取用户查询结果中实际蕴含规则,运用这些规则,可以使推理检测的正确率达到81.3%.     

基于SSH的高校学生学籍管理系统设计与实现

以Java语言为基础,结合SQL Server数据库,利用Struts、Spring和Hibernate三个开源框架的"SSH"组合,设计和实现多层结构体系的高校学生学籍管理系统,该系统具有信息数据录入、学籍信息输出查询以及各种不同数据格式转换等功能,提高了高校学生学籍管理的标准化、网络化以及模块化,满足了学校教务部门个性化的需求。     

模糊决策树在RoboCup仿真组“二对一决策”中的应用

在RoboCup(机器人足球世界杯)仿真组比赛中供决策的信息大多数为连续变量,同时对决策的精度要求较高,而一般的决策树是对离散信息进行分类,抗干扰能力差,难以处理此类问题.模糊决策树把模糊理论与一般的决策树相结合,采用该方法学习RoboCup仿真组比赛中“二对一决策”规则,并在决策树截断条件中引入了最优化指标,通过对4000组样本进行学习和检验,决策正确率达到86%以上,验证了该方法的有效性.同时模糊决策树的决策结果较一般决策树提供了更多的选择方案,便于进行有针对性的取舍从而达到最优的决策效果.     

数据仓库中关联规则的元规则制导挖掘改进策略

许多数据仓库和数据挖掘的理论都曾说明元规则是一个非常重要的概念 ,也有一些研究提到元规则 ,但却很少利用元规则来进行数据仓库的关联规则的挖掘。本文针对在元规则制导下的数据仓库关联规则挖掘 ,提出一种简单的、充分利用元规则的、类Apriori和类决策树方法的实现策略 ,减少了查询数据仓库的次数 ,使数据挖掘过程中的存储结构简单 ,形成了快速查询。     

粗糙集与决策树比较研究

粗糙集和决策树都属于归纳学习方法,都可以从一个离散值决策表中抽取出规则.本文从算法过程、计算复杂性、规则个数、泛化能力、稳健性几个方面对粗糙集和决策树进行了比较研究,得出了一些重要结论,能为相关研究提供一些有价值的参考.     

信度决策树中推理策略的改进

指出现有信度决策树中推理算法的不足之处,给出了一种新的基于规则的推理算法.新算法充分利用信度函数理论处理不确定信息的优势,采用折扣规则修正叶节点的输出,考虑了测试属性权重对分类结果的影响,提高了分类的精度和可靠性.针对现有证据组合规则处理冲突证据的不足,提出了一种新的证据组合规则,可以将相对可信度等信息有效融入证据组合过程.     

多关系关联规则挖掘中的隐私保护

分析了经典关联规则挖掘及相关的隐私保护等问题,同时研究了多关系关联规则的刻画和挖掘问题.通过重新定义查询模式,改进了Warmr方法,使查询模式支持“频繁查询模式的子模式也必然是频繁的“这种Apriori特性,进而将其移植到多关系规则的挖掘过程,从而加快规则的挖掘.研究了有针对性的敏感规则的挖掘方法,通过挖掘包含敏感信息的所有频繁查询模式,从中导出所有能够导致信息泄露的敏感规则;为了平衡数据可用性和安全性之间的矛盾,通过隐藏所有敏感规则中公共关系的元组,在保证规则隐藏和数据安全的同时,降低了对数据可用性的影响.     

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。     

学生学籍信息管理系统探讨

随着科技信息的迅速发展,我国的大中专院校利用传统的学生学籍信息管理办法已不能适应,而实现学生成绩管理工作流程的系统化、规范化和自动化显得尤为重要。学生学籍信息管理系统应包括学生的基本信息、教学计划、每学期成绩等的基本维护,学生基本信息、成绩等的录入和查询,各类综合成绩的运算,奖学金等级的评定、查询和打印,各重要数据库表的数据备份和数据恢复以及对已毕业学生所有相关信息的删除等功能。     

基于决策树的轨道交通安全评估方法及其应用

提出了一种定量的基于决策树的轨道交通安全评估方法.该方法针对风险源的海量数据集和庞大的属性集,采用面向应用的属性构造、规范化与面向属性的归约进行数据集的预处理,为突破内存限制,采用改进的决策树分类方法DT_SA对轨道交通风险因素进行分析,最终提取的分类规则包含描述类分布的定量信息.同时规则前件中属性的顺序又体现了属性对主类的影响程度.这些规则揭示了轨道交通风险源的规律,应用验证了其有效性.     

一种基于粗糙集的决策树规则提取算法

文章提出了一种新的决策树构建算法，算法选择使生成的规则满足给定可信度阀值且支持度最大的属性作为结点，不仅简化了生成的决策树；且可以根据用户输入的可信度，得到相应的决策规则集，提高了决策树的泛化能力，有效地去除了噪音规则。应用实例分析，结果表明算法提取的决策规则简洁有效。     

Deep Web查询接口自动识别方法

获取Deep Web中信息的主要途径是通过在其提供的查询接口上提交查询来获得,自动识别Deep Web查询接口是Deep Web数据集成系统中需要解决的一个关键问题.通过提取适当的表单结构特征,采用C4.5决策树和朴素贝叶斯相结合的分类算法实现对Deep Web查询接口的自动识别,实验验证了该方案的有效性.     

基于决策树的可复用软件的研究及应用

在基于可复用构件库的软件开发中,如何从构件库中查询满足条件的构件是构件库系 统的研究重点之一。数据挖掘技术为解决上述问题提供了一条可行的途径,本文是在构件库系 统及用户反馈信息数据库的基础上,利用决策树分类器,得出一些实用的构件复用规则,从而为 复用者理解和选取构件提供了一定程度的辅助决策支持,为复用的成功提供了技术保障。     

决策树学习方法应用于生境景观分类

遥感影像分类是进行景观生态学研究以及区域景观规划的基础工作,是获取环境资源与信息的主要手段。研究选取秦岭南坡地区100km2范围为实验区域,综合遥感影像、数字高程模型等空间数据,利用C5.0决策树学习算法从750个实地调查样点中自动提取分类知识、建立规则库并实现计算机自动景观分类;同时分析根据不同数量样点得到的决策树规则以及决策树分类精度变化的趋势。分析结果表明,在样点信息充分的条件下,利用决策树学习方法能够实现高景观分类精度;随着样点数量的增加,分类精度也随之提高,该研究中景观分类精度最高达到79.0%。