应用决策树选择投标项目

决策树是一种进行风险分析和决策的手段 ,因此 ,在工程施工过程中利用决策树可进行有效决策 ,以便更好地选择投标项目     

决策树在工程经济分析中的应用

文章通过举例阐述了概率分析中决策树法在工程经济管理中的具体应用。     

基于决策树技术的冲压车间精益生产方案选择

精益生产是现代企业的追求目标,文章结合某车桥企业冲压车间推行精益生产的实例,从板材采购方式决策、定制模具决策及技术改造决策3方面分析,采用决策树技术进行方案选择,实践证明采用决策树决策简洁可行,对推行精益生产起到了很好地促进作用。     

利用决策树方法进行癌细胞识别

机器学习是人工智能的一个重要分支,作为图像处理技术与模式识别方法在细胞学的研究与诊断方面的应用,提出用决策树的方法的识别癌细胞,取得了预期的结果,对于发现各种难以预想的模式,这种方法说明了学习程度可作为复杂数据中的搜索模式的工具。     

决策树与模糊决策树的比较

对决策树与模糊决策树的异同进行了比较分析.模糊决策树是决策树在模糊环境下的一种推广 ,它作为一种知识表示形式更符合人类的思维.     

利用多决策树合并算法实现网络入侵检测

本文使用多决策树合并方法对单一决策树算法进行改进,在DARPA提供的入侵检测数据上进行的实验结果表明使用多决策树算法能明显提高检测率并降低误检率。     

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%。     

利用决策树发掘分类规则的算法研究

主要介绍决策树方法,回顾利用决策树发掘分类规则的各种方法,并对算法进行评价,最后提出了一个利用决策树分类技术进行月降雨预报的算法。     

利用决策树模型的湿地提取与分类

为解决因湿地环境复杂且类型多样导致光谱混淆而难以对其自动遥感提取的问题,采用决策树模型的湿地信息提取方法,以Landsat OLI影像光谱特征和经缨帽变换后的数据为基础,结合不同类型湿地的环境特征和空间特征信息,提出先分区再分类的思想,构建决策树分类模型.对原始影像进行缨帽变换,利用变换后的湿度分量及地物的光谱特征规律,将研究区划分为水体区域、植被区域和非植被区域,然后分别对各个区域进行再分类,逐层分级,最终实现不同类型湿地的分级提取.研究结果表明:采用分区分类思想构建决策树模型,可以有效提取湿地信息,精度达87.50%.     

决策树学习研究

决策树分类学习算法是使用广泛、实用性很强的归纳推理方法之一,在机器学习、数据挖掘等人工智能领域有相当重要的理论意义与实用价值。在详细阐述决策树技术的几种典型算法以及它的一些常见问题后,介绍了它在工程上的实际应用,最后提出了它的研究方向以及它所面临的问题和挑战。     

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。     

决策树法在浦城县农作物适应性分析中的应用

以满城县种植的主要农作物为例,采用决策树法,对全县36年来14种作物的产量趋势和稳定性进行决策分析,并提出发展农业生产的建议,为领导决策提供科学依据。     

基于决策树方法的银行客户信用评估

分析了传统银行客户信用评估方法存在的问题,针对ID3算法存在的不足,提出了一种改进的ID3算法.实验结果表明,改进后的ID3算法分类正确率有所提高,所生成的决策树较为健壮、简洁,可以减少计算代价,提高计算效率.     

决策树研究新探

决策树方法一直被用于贝叶斯决策问题的最优方案选择，即从若干决策方案中选择一个最优方案。决策问题中所含的方案数量在决策树中是隐性的。利用传统的决策树方法，无法确定一个次优方案，对所有方案进行排序也很难。从这个意义上来说，决策树法不如策略矩阵法有效。该文结合有一个实例，讨论了利用决策树对贝叶斯决策问题的决策方案进行选择和排序的方法。     

决策树的剪枝策略研究

主要研究决策树的修剪策略.着重对决策树需要修剪的原因、发展过程、修剪算法的分类以及修剪过程中注意事项、修剪程度的控制等进行了探讨.     

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。     

基于决策树技术在高校成绩分析中的应用研究

采用ID3算法构造决策树的方法,给出了基于决策树技术的学生成绩分析应用研究模型。通过该模型分析,找出了影响学生成绩的潜在因素,教师通过调整教学环节,对学生管理工作提出意见,从而指导教学和管理工作。     

基于决策树的关键短语抽取

针对关键短语抽取工作可以转化为某种分类问题,利用决策树构造分类器解决关键短语的抽取。统计分析表明,将文档中词的词频因子、首位置和词性作为决策树分类特征,并考虑词在文档中出现的位置信息,对词的特征值进行一定的调整,采用Bagging重采样技术进一步提高了决策树的抽取性能,使其完全匹配和部分匹配的F_检测率分别达到21．50％和54．49％。     

改进的SVM决策树分类算法

为解决多类分类问题,在分析SVM决策树分类器及存在问题的基础上,通过引入类间可分离性测度,并将其扩展到核空间,提出一种改进的SVM决策树分类器。实验表明了该分类算法对提高分类正确率的有效性。