基于主元分析及粗糙集的多变量决策树构造方法

为解决故障诊断中单一方法难于处理大规模、多变量数据信息的问题,提出了一种利用主元分析方法和粗糙集理论相结合的多变量决策树构造方法.该方法利用主元分析对历史数据进行降维、去噪处理,得到由主元变量组成的决策信息.通过粗糙集理论中核属性和相对泛化的概念对此决策信息进行属性选择和样本集划分,构造出多变量决策树,并建立诊断规则知识库.基于汽轮机发电机组的轴系振动故障分析的实例验证了此方法的正确性,与其他方法相比较具有规模小、诊断规则易于提取的特点.     

基于多分类支持向量机的智能辅助质量诊断研究

在分析比较目前常用的质量辅助诊断方法局限性的基础上,提出了一种基于多分类支持向量机(SVM)的质量控制图智能诊断新方法.该方法以SVM技术为智能核心,较好地解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量诊断时所表示出的过学习、泛化能力弱等缺点.另一方面,通过结合投票法和决策树的基本思想,所提方法拓展出对控制图混合型异常模式的识别能力,从而提高了对质量过程诊断的全面性和准确性.与其它几种常见人工智能方法质量诊断的效果进行对比,实验表明,所提方法容易实现、诊断精度高,为实现小批量加工过程的在线质量诊断与控制提供可行的思路.     

决策树算法在高考志愿填报中的应用

分类是数据挖掘的重要组成部分,它根据类标号己知的数据建立模型,进而使用该模型来预测类标号未知的数据所属的类。在众多的分类算法中决策树方法在可理解度、易训练性、易实施性和通用性等方面优于其他的分类方法。选择将决策树分类法应用到高考志愿填报研究中。     

一种高效的连续属性离散化算法

分析了基于熵的离散化标准的切点特性,提出并证明了一种基于边界点属性值合并和不一致度检验的离散化算法。与传统离散化算法相比,此算法只对边界点属性值进行合并,切点个数无需设定,自动生成,且合并规则简单易行,大大减小了计算量,适用于处理大规模高维数据库的离散化。同时由于采用了不一致度对备选切点集合进行调整,使本算法具有全局性。试验表明,该算法有效提高了分类规则的简明性和预测精度。     

一种大规模数据库的组合优化决策树算法

提出了一种适合于大规模高维数据库的组合优化决策树算法。相比于传统的类似算法,该算法从数据的离散化,降维,属性选择三方面进行改进,对决策树建立过程中不适应大规模高维数据库的主要环节进行了优化,有效解决了处理大规模高维数据库问题的效率和精度之间的矛盾。仿真试验表明,该算法在大大减少了计算代价的同时提高了决策树的分类精度。     

数据分类中决策树算法的一些改进

分类是数据挖掘中重要的研究课题.决策树方法是一种常用的分类算法,所建立的树型结构模型很直观,易于理解.传统的分类方法在处理海量数据时会出现性能下降或精度降低的问题,经过改进的ID3算法,基于SPRINT,消除了内存的限制,运算速度快,具有可伸缩性,性能较好.     

基于PCA和决策树的城市中河流信息提取

河流是土地覆被变化研究中十分重要的信息,在TM（波段4、3、2）假彩色合成的影像中,河流像元和城市像元的混杂现象十分严重,本文提出了基于PCA和决策树的城市河流信息提取的方法,首先对TM（波段1、2、3、4、5、7）信息进行主成分变换,选取前三个分量组成假彩色图像,而后分析城市和河流的光谱差别,建立知识规则,利用建立的规则提取城市中的河流信息,取得了很好的效果。     

基于决策树的知识表示模型及其应用

针对数据挖掘过程中的数据库精炼问题,在分析现行属性约简方法的特点和不足的基础上,结合决策树算法操作简单、分类速度快的特点,通过知识的规则化描述以及规则族之间的相似性比较,建立了一种基于决策树的属性约简方法（简记为BD-RED）,讨论了规则族之间的相似性度量的可释化构建问题,给出了BD-RED的具体实施策略,并结合实例分析了BD-RED的性能。结果表明,BD-RED具有良好的结构特征和较强的可操作性,可以有效实现不同决策理念下的属性约简,适合不同类型的大规模数据库的属性约简。     

基于卫星遥感数据的库尔勒香梨识别提取方法研究

针对目前国内利用卫星遥感数据的光谱特征及其植被指数对香梨识别提取方法鲜有研究的现状,探讨研究了Landsat8_OLI数据对不同树龄香梨的识别提取方法和实际应用。以库尔勒市中部的英下乡和沙依东园艺场为试验区域。采用多时相Landsat8_OLI数据。通过分析试验区内典型地物的光谱特征和植被指数的变化规律以及作物物候历的不同,选择不同树龄香梨树林遥感识别的最佳时相,利用决策树方法构建了不同树龄香梨树林的识别提取模型,实现了香梨种植面积的有效提取。结果表明:1香梨成林(种植5a以上的香梨树林)遥感提取效果较为满意,精度为93.51%,而香梨幼林由于受多种因素的影响,其提取精度只有78.79%,有待进一步研究;2 Landsat8_OLI数据具有较高的时空分辨率,是遥感识别提取库尔勒香梨的潜力数据源。     

特征选择方法中的信号分析方法研究

特征选择是模式识别领域中最重要的环节,也是最根本的论题。论文从随机信号的傅立叶分析中自相关函数与谱密度函数之间的对应关系出发,提出了一种基于自相关函数的特征选择方法,并以实验方式进行了有效性验证。其研究意义还在于将这一特征选择方法与人工智能中的归纳学习方法相结合,其归纳性能比传统的熵最小化准则更为优越。