基于决策树算法的校园客户识别模型

校园市场是基础电信运营企业细分市场的重要组成部分,对企业核心竞争力的提升和可持续发展具有重要意义。本文主要介绍一种决策树算法的校园客户识别方法。该方法根据决策树算法的基本原理,融合了社交网络扩散原理和打分机制,将其应用到校园客户识别模型建设之中。通过外呼等方法验证客户准确性相比原有模型有了极大提升,证实了该模型的有效性。     

面向大学生心理问题分析的数据挖掘应用

当前已经进入大数据时代,数据挖掘是在大量的数据中提取有用的有价值的知识。本文结合高校学生心理测试产生的数据,采用ID3算法构造决策树分析预测大学生心理健康状况,为学校的心理辅导工作提供参考依据。     

基于SIR模型的隐蔽信道数据安全检测仿真

隐蔽信道数据分布散乱,对数据检测造成阻碍。针对传统的隐蔽信道数据检测方法存在检测速度慢、有效性差等问题,提出一种基于SIR模型的隐蔽信道数据安全检测方法。构建SIR隐蔽信道模型,使用在线检测模型进行隐蔽信道数据编码处理,使用密度聚类算法对隐蔽信道编码数据进行搜索聚类,划分密度区域,通过判断各密度区域数据有效性,完成隐蔽信道数据的密度聚类。利用决策树对聚类完成的数据进行特征属性提取,引入特征属性获取新的信息递增率,通过数据间差异性计算完成隐蔽信道数据安全检测。实验结果表明,所提方法能有效完成隐蔽信道数据检测,精准度、效率和稳定性均优于传统方法,且检测耗时少,具有显著优势。     

基于决策树的羽流追踪机器人自主决策方法研究

针对无法获得可靠羽流流向信息不利于实现羽流追踪的问题，提出了一种基于决策树的羽流追踪移动机器人自主决策方法。该方法通过移动机器人两侧的浓度传感器采集到的浓度信息，利用追踪的行为规则建立决策树模型，获得行为决策信息，使机器人高效地追踪到羽流并精确地定位。由于浓度变化关系蕴含了羽流的流向及流速信息，从而取代了传统方法中流向及流速传感器。在扩散环境下，通过移动机器人羽流追踪实验，实现了良好的源定位效果。     

新能源实时错误数据辨识与修正深度学习模型

针对新能源电站实时采集数据错误的问题，利用新能源电站历史数据，采用基于数据间模型的方法辨识和修正错误数据，进而利用辨识和修正的结果数据，建立基于决策树分类模型的新能源实时错数辨识模型，以及基于深度神经网路的新能源实时错数修正模型，从而在实时运行过程中，可利用得到的模型对新能源错数进行实时快速辨识和修正，可显著提高错数辨识和修正效率，支撑新能源电站的实时分析应用，保障新能源电站的实时安全稳定运行。通过某典型风电场和光伏电站真实历史数据的算例分析，验证了所提方法的有效性。     

基于客户端信息和风险判别的 动态验证码系统

为了防止机器自动登录等网络恶意行为带来的安全问题,针对现有验证码系统的不足,建立了以客户端环境信息和用户行为信息作为识别属性的动态验证码系统,通过基于决策树的客户端信息分析和基于余弦相似度的鼠标轨迹验证两种算法进行用户风险级别判定,根据风险级别设定用户验证方式,对中危级别用户则通过二次验证完成最终验证,同时通过动态验证码机制、混淆代码机制和安全传输机制来增强系统安全性,由此构建了一个结合客户端信息和风险判定的动态验证码系统.     

基于梯度提升决策树的硬车表面白层预测方法

目的 实现硬态车削过程中每个产品零件白层现象的实时在线检测,提高产品生产加工效率和加工质量,提出一种基于梯度提升决策树的硬态车削加工工件表面白层预测方法。方法 首先,利用功率传感器、声发射传感器和振动传感器采集硬态车削过程中的动态切削信号数据,并对上述各种传感器信号数据进行特征提取;然后,结合特征重要性分析和梯度提升决策树建立硬态车削加工表面白层预测模型;最后,基于混淆矩阵提出一套评估梯度提升决策树模型预测性能的评价方法。结果 与功率、振动信号等特征相比,声发射信号特征能够进一步提升模型的白层预测性能。实验结果表明,该方法的预测准确率达到90%,F₁为92%,A_uc为89%,与SVM、XGBoost分类方法所得结果相比,该方法能更准确有效地实现硬态车削加工工件表面白层现象的在线预测。结论 该方法基于智能传感技术和梯度决策树模型对硬车过程中产生的白层现象进行了有效预测识别,对实现硬车过程白层现象的在线智能预测具有重要意义。     

黄土力学数据挖掘系统研究

岩土工程智能化系统研究是岩土工程领域前缘问题。本文基于信息技术中最先进的数据挖掘技术,研制了黄土力学数据挖掘系统,包括有预处理模块、挖掘操作模块、知识库管理模块,自重湿陷与湿陷性判定决策树模型、判定规则和评价模型的精度以及其他应用软件接口等。可实现数据的归约、聚类分析、分类、预测等。通过工程实例分析,证明了该系统的有效性和实用性。采用59项工程的2766组黄土试验数据对决策树的每条规则进行测试,结果表明自重湿陷性判定规则的准确率为87.3%,湿陷性判定规则的准确率为92.5%。利用挖掘所得到的判定规则和决策树模型,可减少试验工作、降低成本;提出的模型还可用于确定湿陷底界与自重湿陷的底界,从而为地基处理深度的确定提供依据。