完全二叉树的实时判别方法

根据二叉树的层次遍历原则，设计了一种在遍历二叉树的过程中实时判别完全二叉树的简便方法。     

基于动态调整的GA-SVM多分类二叉树的方法

基于遗传算法的支持向量机决策树多分类方法仍然存在错误累积的问题,累积的错误往往使分类准确率下降,分类效果变差,存在全局优化缺陷的问题;并且在每个节点进行二分类常用的实数编码切分方法,效率低下。针对这两方面的问题,提出从根节点开始逐层构造二叉树,运用二进制编码的遗传算法进行每一阶段的二叉树构造。二进制编码对于每个节点的分类以及进行交叉、变异更高效,不用考虑从什么位置切分。针对越靠近根节点产生的误差对后续节点分类误差的累积影响,提出一种动态调整的方法,此方法对每个节点赋予权重再进行对权重的调整使得整体的分类误差减小,最终得到二叉树的全局最优,从而提高分类精度。通过实验并进行五折交叉验证表明,DABT-SVM比多种传统的支持向量机多分类算法在全局优化能力和分类精度上有很大的提升。验证了该算法的可行性和有效性。     

时间序列基于特征向量的分类与二叉树分类

论证了利用特征向量的距离对时间序列进行分类不是一种有效的方法,并在此基础上提出一种基于二叉树的分类方法.     

一般二叉树的一种简单生成方法

借助完全二叉对的顺序存贮结构作为中间桥梁实现一般二叉树的存贮结构。     

聚类分析谱系图二叉树的建立及应用

通过分析聚类分析联结表，给出了建立聚类分析谱系图二叉树的算法和源程序，提出了通过遍历谱系图二叉树绘制聚类分析谱系图及进行聚类分析中其它研究的方法．     

基于OOP方法的二叉树创建

在深入分析二叉树数据结构的基础上，提出了用OOP法建立二叉树的过程．并用二叉树顺序存储的特性来实现VB下的可视化编程，解决了OOP法实现所碰到的若干问题．     

基于二叉树的SVM多类分类算法研究

支持向量机是一种高效的分类识别方法,在解决高维模式识别问题中表现出许多特有的优势.支持向量机本身是一个两类问题的判别方法,不能直接应用于多类问题.介绍了基于二叉树的SVM多类分类算法,通过对其原理和实现方法的分析,对这些方法的优缺点进行了归纳和总结,给出了进一步的研究方向.     

二叉树图形处理技术的几种方法

本文讨论二叉树的图形处理技术.关键问题有两个:一是确定结点在屏幕上的位置,二是计算出每个结点在二叉树中的相对位置.     

一种新的二叉树SVM多分类算法

在二叉树结构支持向量机(SVM)多分类算法的基础上,针对二叉树算法中点和叶盲目划分的问题,提出了一种新的二叉树SVM多分类算法.该算法通过标记划分的方法,一方面解决了盲目划分的问题,另一方面大大减少了子分类器的数目,大幅度提高了算法的速度.实验结果表明,该算法具有一定的优越性.     

完全二叉树相关性质的补充证明

完全二叉树是重要的非线性数据结构二叉树的一种常见形式。本论述从二叉树的概念和性质出发,并在此基础上分析了完全二又树的基本性质及完全二叉树的自身结构特点,补充证明了完全二叉树的结点总数同完全二叉树中度为1的结点总数之间的逻辑关系。运用本论述证明的结论使得相关问题的求解步骤得到了显著的简化。     

高光谱图像植被类型的CART决策树分类

为提高植被分类的精度, 在利用高光谱图像提取植被信息时需要考虑训练样本和地形等其他因素的影响。以长白山为研究背景, 基于CART（Classification And Regression Tree）算法构建决策树模型, 对高光谱图像进行植被分类。由于混合像元的影响, 以采用PPI（Pixel Purity Index）提取的纯净像元作为训练样本, 提取植被指数、 纹理和地形等分类特征变量。基于这些变量构建CART决策树对植被分类, 并将结果与最大似然法分类结果进行比较。结果表明, CART决策树分类法可实现光谱、 纹理和地形特征的有效组合, 有较好的分类效果。     

基于树状分解隐马尔可夫树的纹理分类模型研究

遥感图像纹理信息丰富，要准确地进行纹理特征描述，必须尽可能地抓住其本质特征和属性。以小波域隐马尔可夫树模型为基础，并结合遥感图像特点，提出在全树状小波分解的基础上建立隐马尔可夫树模型，在子图选择上用图像熵作为判据，使分解更有针对性，并使计算效率得以提高。     

一种基于关联性度量的决策树分类方法

在介绍了一些典型的决策树分类算法的基础上,论述了所开发的面向先进制造企业的综合数据挖掘系统ScopeMiner中的决策树分类算法,该算法集中了ID3、C45和MedGen等典型算法的思想,并进行了改进·在建立决策树过程中采用关联性度量的计算来确定划分条件属性的顺序,通过阈值设定和处理简化了决策树的剪枝和优化过程,准确性高,分类速度快·系统已在某大型企业质量控制中得到了应用,取得了一定的经济和社会效益·文章详述了算法的执行过程、应用于冶金企业中的实例以及正确性证明和时间复杂性分析·     

基于鱼眼镜头的树高测量方法

为解决当前测量树高方法中存在测量误差大、测量不便等问题,提出一种基于鱼眼镜头的树高测量方法.该方法首先利用鱼眼镜头成像模型确立世界坐标系到图像像素坐标系的变换关系;然后以畸变系数的等距投影模型为基础,利用Scar-amuzza鱼眼相机标定方法求解参数并建立测量系统模型;最后利用图像处理技术对实验图像进行轮廓提取、分割及极值点提取,实现对树高的测量.通过所提出的测量方法对树高进行测量,实验结果表明:测量方法的测量误差在-0.196～0.195m,树高测量最高相对误差为2.75％,平均相对误差为1.505％,说明该方法有效减小了测量误差,具有很高的精确性,同时测量方法简便,可操作性强.     

狮子关库区植物群落乔木层优势种及群落分类

对狮子关库区植物群落乔木层优势种及群落分类进行了研究，结果显示：库区乔木层优势种19种，包括常绿阔叶树7种、落叶阔叶树10种、针叶树2种。据此，库区有5个植被型17个群系34个群丛。     

决策树分类算法研究

决策树分类算法是数据挖掘研究中的一个以样本数据集为基础的归纳学习方法，它着眼于从一组无次序、无规则的样本数据集中推理出决策树表示形式的分类规则，提取描述样本数据集的数据模型。讨论了决策树分类算法的基本原理，给出了算法的特性并通过一个实例给出了具体的使用方法。     

基于决策树的网络流量分类方法

针对传统流量分类方法(基于端口和有效载荷)分类不可靠的问题,提出基于C4.5决策树算法,根据训练集中属性的信息增益比率构建分类模型,按属性对测试数据集进行预测,通过查找分类模型实现对网络流量的分类。在公开数据集和自己采集的数据集上进行实验,结果表明,采用C4.5决策树算法对网络流量分类,平均分类精度为93%,单类别分类精度均在90%以上,能有效地实现对网络流量应用类型的识别。     

基于决策树的神经网络规则抽取方法

将从神经网络中抽取一个可理解的模型视为一个归纳学习任务 ,其中 ,目标概念就是神经网络表达的功能 ,所生成的可理解模型是一个能很好近似神经网络的决策树 .在这个过程中 ,应用了决策树归纳学习的优化原则 ,使得生成的决策树能最简洁、准确地描述神经网络学到的知识 .实验证明 ,生成的决策树可以很好地近似神经网络 ,且比用传统方法生成的决策树具有更好的分类精度 ,同时NNtoDT算法也保持了具有较好的通用性和可扩充性的特性 .     

一种改进的决策树分类方法在土地利用信息提取中的应用

选择昆明市作为研究区,以2011年LandsatTM影像为基础数据,通过分析研究区地形特征,提出把研究区进行分区并分别确定高程、坡度决策规则的改进型决策树分类方法,并结合分析的光谱特征规律,在决策分类中引进了比值型指数、NDVI值,构建基于光谱特征和地学辅助知识的决策树信息提取模型,最后对传统计算机自动监督分类方法与决策树信息提取模型方法解译的昆明市土地利用数据的精度进行评价。研究结果表明：基于改进的决策树分类方法进行遥感信息提取的昆明市土地利用数据的Kappa指数比传统监督分类方法提高了0．234,分类精度提高了17．03％;从各种地类类型的测试样本点平均正确率来看,改进的决策树分类方法比传统监督分类方法提高了21％,大大提高了LandsatTM遥感数据分类的精确度和可靠性。     

基于决策树算法的银行客户分类模型

利用决策树算法对银行的信用卡客户进行分类,构建了客户分类模型,给出了分类步骤中信用卡的客户类型特征,为银行的信用卡推广业务提供相应策略.