数据挖掘中决策树SPRINT算法探讨

本文简明扼要的介绍了数据挖掘中决策树SPRINT算法，并对其进行了一定程度上系统的分析和改进．     

基于OBS网络的一种最少冗余包的组播树共享算法

为了减少组播树共享算法(TS-MCAST)产生冗余包,有效地利用链路网络带宽,提出了一种基于光突发交换(OBS)网络的最少冗余包的组播树共享算法(LRP-MCAST-TS)。该算法实现过程中,引入了树分割规则,将满足分割条件的组播树分割成森林,然后根据重叠大小将汇聚的组播会话划分成多个组播共享类。通过理论分析,证明了LRP-MCAST-TS算法设计的正确性,达到了减少冗余包的目的。     

一种嵌入式系统扩展流关系Petri网及应用

为了将数据流和控制流在同一个模型中明确标识,将经典Petri网的4元组结构扩展为7元组,定义一种新的嵌入式系统扩展流关系Petri网表示方法,应用该表示法对火车控制系统进行建模,并将该模转换成等价的时间自动机模型,用UPPAAL进行形式化验证.验证结果表明火车控制系统具有可达性和安全性,说明建立的模型是合理有效的.     

惠州市植物叶片和叶面降尘的重金属特征

用ICP-AES测定了惠州市不同功能区的典型绿化树种大叶榕和紫荆叶片及其叶面降尘的重金属含量。结果表明,不同功能区植物叶片和叶面降尘的重金属含量差异显著,植物叶片综合污染指数为:商业交通区>工业区>居民区>清洁区,而叶面降尘的综合污染指数则为:工业区>商业交通区>居民区>清洁区。大叶榕叶片的重金属含量略高于紫荆,但差异不显著。降尘重金属污染严重,尤其Cd含量达到了广东省土壤背景值的120倍以上,Pb则为12倍以上。降尘重金属含量是叶片的2～800倍,通过叶片气孔吸收的降尘重金属较少。植物叶片和降尘的重金属含量随交通流量的减少而降低。除Cr和Cd元素外,大叶榕与紫荆叶片的重金属与叶面降尘中重金属相关性不显著。     

对不平衡类分类的一种组合方法

具有不平衡类分布的数据集在许多实际应用中是很常见的,但由于类分布不平衡,给那些已有的分类算法带来了很多问题。一种为处理不平衡类问题而开发的基于决策树和人工神经网络的有效组合方法被讨论。它基于数据抽样的方法构建组合分类器,并利用ROC曲线(Receiver Operating Characteristic curve)作为评价挖掘性能的分析工具,最后在PAKDD2007竞赛活动提供的实际数据上进行了有效性验证。     

基于决策树和聚类理论的XML文档数据挖掘的研究

Extensible Markup Language即"可扩展的标置语言"(简记为XML)的出现,为基于Web的数据挖掘带来了便利,开发人员能够用XML的格式标记交换数据。充分利用XML的优点,提供一种利用决策树ID3修正算法和聚类的方法,对XML文档信息进行挖掘,并结合实例说明这种方法。     

简单树结构存储系统数据分块标准及其证明

为解决传统磁盘阵列技术受系统总线与设备通道制约的问题,采用树结构和单元控制器构建了新型的存储系统.在树结构存储系统的基础上,通过对简单树结构存储系统数据分块方式的定义、推论,以及冲突系数的证明,给出了简单树结构存储系统的数据分块标准.结果证明:简单树结构存储系统数据分块标准能最大程度降低存储系统有效冲突系数,提升存储系统性能.     

基于树型空间的三维树木模型匹配

为解决三维树木模型的检索具有正确率低、检索效率低、描述不匹配等问题,提出一种基于树型空间的三维树木模型匹配方法。该方法通过构建三维树木模型数据集的树型空间,辅以主轴匹配,轮廓匹配,枝干匹配等方式,经过树型空间中欧氏距离和测地线度量差异值,逐步匹配到相应的三维树木模型,该方法分别在通用模型数据集和自我设计的模型数据集进行了匹配性实现,结果表明可以较大幅度提升树木模型匹配的准确率,利于三维树木模型的大规模检索和重用。     

四叶树Hosoya指标显式公式及其序列

为研究四叶树Hosoya指标的规律,利用图论的分支分析法,解决了四叶树Hosoya指标的显式公式和序列.对于一般的t叶树,仍然用同样分支分析法,得到相应的t叶树Hosoya指标的显式公式和序列.发现了一族初值不一样的Fibonacci序列,在科学上对组合数学和图论提供了一定参考.     

一种围数为八的低密度校验码校验矩阵设计

提出了一种低密度校验（IDPC）码的规则校验矩阵设计算法．首先设计3个不同的子矩阵,每个子矩阵通过对单位矩阵进行不同的移位运算后组合生成,然后将这3个子矩阵组合生成所需要的低密度校验矩阵,最后利用文中提到的短环检验算法搜索出使得生成的校验矩阵四环数、六环数均为零的移位算子．用该校验矩阵所对应的生成矩阵对随机信息进行编码,AWGN信道下的仿真结果表明,具有逼近MacKay随机码的误码率性能．