核心元素的特征及其在决策树生成中的应用

利用粗糙集约简的辨识矩阵，给出属性是核心元素的充要条件为该属性是辨识矩阵中单元素集．利用上近似与下近似给出了判断是否核心元素的两个充分条件，指出利用核心元素简化决策树比用熵函数ID3方法简化的决策树更简单．     

故障树分析法在挖泥船故障诊断中的应用

将故障树分析法(FTA)用于研制、开发具有首冲功能的300m^3自航耙吸挖泥船及配套的机械设备远程油液分析与诊断系统过程中，并对柴油机因温度过高而导致功率下降和柴油机不能启动两个故障进行建树、分析，以便在管理和维修中进行事故分析和系统故障分析，在指定故障诊断和检修流程中，寻找故障检测最佳部位和分析故障原因，制定维修决策，切实预防故障发生。     

Douglas-fir树木生长模型分析及建模

主要对一棵24岁的Douglas-fir(花旗松，北美西北部的主要树种之一)的生长情况进行详细的测量和描述，其目的是创建出一个准确的计算机三维模型．同样的研究由Mark Goebel在2002年对同一试验地砍伐的另一棵Douglas-fir的地下部分作过．把两次研究的结果结合起来制作出一个可以用于教学演示的Douglas-fir生长模型．使用G．H.Dufr和Noran J.Nolan首创的分析法对测量结果进行了分析．主千年轮的直径生长，主干平均年轮面积，主干垂直生长，枝干长度增长和年平均枝干直径的数值都进行了构图分析．生长曲线同理想生长曲线表现出了一定的差异，同时显示了各年问的细微变化．过去24年间好的生长年份可以因此被确定出来．测量分析结果和Goebel的研究结果相吻合，因此重建一棵Douglas-fir的目的能够被实现．但是研究结果表示我们砍伐的Douglas-fir并不是完全没有受到生长压力的绝对优势物种，要进一步创建三维模型还需要一些计算才能实现．     

枝桠材栽培灵芝研究初报

分别利用原木段木和枝桠材熟料栽培灵芝新6、8、6、12、13、韩1、韩3、日1、日2、S1、K2、18、19号菌株，每个菌株接种180袋，设3个重复，每个重复60袋。先在培养室内培养菌丝生长15～20d将栽培袋移至荫棚脱袋埋土栽培。结果表明：用枝桠材栽培灵芝的生长周期比用原木段木栽培的缩短6～26d，产量可提高13．61％～69．44％用枝桠材栽培灵芝对灵芝的产孢量影响不明显，但产孢始期可缩短4～19d，产孢持续时间可缩短2～10d。     

野生酸枣中香料提取方法的研究

通过对水蒸气蒸馏法、溶剂提取法、混合提取法、醇提水蒸法、冷浸法等几种提取方法的研究与比较，筛选出酸枣挥发油的最佳提取工艺。同时初步研究了酸枣浸膏和酊剂的提取方法。     

基于事务线索树的一次扫描关联规则增量挖掘算法

首先将事务数据库压缩存储到一棵事务线索树(TT-tree)的结点上，并建立这些结点的索引表，然后寻找结点索引表的最后结点到根结点的全部路径，这些路径及路径的交集包含了用于挖掘关联规则的频繁集，该算法只需扫描事务数据库一次，由于采用了逆向搜索TT-tree的方法,搜索的时间开销非常少，该算法可以挖掘中短模式的海量数据，具有很好的伸缩性,同时该算法具有增量挖掘的功能，通过大量的实验数据进行比较。该算法的速度约是Apriori算法的10倍。     

管理分类规则的广义决策树

为了将传统的决策树无法管理的、由各种分类算法所发现的大量的有意义的规则进行有效的存储、剪裁和使用 ,提出了广义决策树结构。它将传统决策树的结构进行扩展 ,能够以较少的存储代价管理所发现的所有分类规则 ,且易于表达规则之间的关系。提出了有效的优化策略。以此树为基础 ,将决策树分类算法与基于关联规则的分类算法进行了概括统一 ,并提出了相应的算法。实验结果证明 ,广义决策树克服了传统决策树的缺点 ,并且适宜于维护、剪裁以及快速搜索大量的分类规则     

贝叶斯网络对故障树方法的改进

通过建立映射，引入作为目前处理概率知识基础上不确定性问题的最有力的推断方法——贝叶斯网络(BN)，有效地解决可靠性分析中最常用的故障树分析(FTA)方法的局限性：各部件独立，状态为二值等。     

Induction of hybrid decision tree based on post-discretization strategy

By redefining test selection measure, we propose in this paper a new algorithm, Flexible NBTree, which induces a hybrid of decision tree and Naive Bayes. Flexible NBTree mitigates the negative effect of information loss on test selection by applying postdiscretization strategy: at each internal node in the tree, we first select the test which is the most useful for improving classification accuracy, then apply discretization of continuous tests. The finial decision tree nodes contain univariate splits as regular decision trees, but the leaves contain Naive Bayesian classifiers. To evaluate the performance of Flexible NBTree, we compare it with NBTree and C4.5, both applying pre-discretization of continuous attributes. Experimental results on a variety of natural domains indicate that the classification accuracy of Flexible NBTree is substantially improved.     

一类加权连续属性的多变量决策树构造方法

首先利用粗集理论和模糊聚类理论确定连续多变量属性的选择问题,然后利用聚类中心算法建立等级标准中心以解决连续变量的区间划分问题,其次将等价关系相对泛化的概念用于决策树中多变量检验的构造。最后通过实例说明了本方法是可行的。