基于决策树的医疗数据分析

介绍了决策树的概念和生成过程，仔细研究了决策树的几种技术，并将它们集成到作者的决策树分析系统中，在分析了医疗数据之内后，提出了今后决策树研究的一个重要方向。     

聚类支持下决策树模型的借阅数据分析

通过对高校图书馆提供的借阅数据进行筛选、净化、转换等数据处理,研究了聚类支持下决策树分类技术及其在图书馆借阅数据中的应用。利用聚类得到决策树的训练样本,以期得到高质量的决策树并进一步提高推荐的准确率。以某高校图书馆借阅数据为例,将以上研究结果应用于该校图书馆借阅数据分析,分析的结果提供给图书馆管理者,作为馆藏政策、图书推荐、图书馆管理的参考依据。     

基于数据挖掘的决策树方法分析

决策树方法因其简单、直观、准确率高等特点在数据挖掘及数据分析中得到了广泛的应用。在介绍了决策树方法的一般知识后,深入分析了决策树的生成算法与模型,并对决策树的剪枝过程进行了探讨。     

基于决策树的税务数据分析

本文介绍了决策树的概念及生成过程，研究了利用基尼系数来选取值的算法，并将它集成到税务数据分析系统中，描述了构造税务数据分析系统所采用的方案，并提出了今后决策树研究要解决的一些问题。     

基于神经网络的分类决策树构造

目前基于符号处理的方法是解决分类规则提取问题的主要方法,而基于神经网络的连接主义方法则用的不多,其主要原因在于虽然神经网络的分类精度高,但难于提取其所隐含的分类规则与知识.针对这个问题,结合神经网络的具体特点,该文提出了一种基于神经网络的构造分类决策树的新方法.该方法通过神经网络训练建立各属性与分类结果之间的关系,进而通过提取各属性与分类结果之间的导数关系来建立分类决策树.给出了具体的决策树构造算法.同时为了提高神经网络所隐含关系的提取效果,提出了关系强化约束的概念并建立了具体的模型.实际应用结果证明了算法的有效性.     

基于数据挖掘决策树的犯罪风险预测模型

简要介绍了数据挖掘技术在犯罪行为分析上的利用和决策树构造方法，结合一个犯罪人员数据集市的样本数据，采用决策树分析方法进行了尝试性的数据挖掘，给出了一个较为成功的挖掘思路和模式，得出了有效的分析结论。     

基于SQL的决策树算法

将数据挖掘集成到关系数据库中,可以使数据挖掘技术直接利用关系数据库中的数据生成挖掘模型.以决策树技术为研究实例,通过把决策树算法重新设计为基于SQL的汇总和查询分析操作,提出一种新的基于SQL的决策树算法.同时,通过理论分析表明,在L/O性能方面,文中算法比SPRINT算法要好.     

基于数据集决策树分类器研究

本文针对现有的决策树分类算法中,存在若干影响运行效率的因素对避免这种重复等问题进行了探讨,提出了一种基于数据集决策树分类算法,算法使用了扫描一遍数据构建属性统计表组的方法,减小了由于连续属性值过多而使AVC过大导致无法放于内存的问题.实验验证测试了本文提出的改进后算法的有效性,从而降低了算法的时间复杂性     

基于决策树的数据挖掘算法研究

决策树,英文名为Deciyion Tree,是一种很久以前就开始风靡全球的人工智能技术。随着数据挖掘技术的不断进步,决策树已经成为构建决策系统不可缺少的技术,它不仅在数据挖掘方面起着关键性的作用,在数据分析方面也是一个领军者。决策树在数据挖掘中被用于预测、解决、分类等。     

基于决策树的数据挖掘算法研究

决策树(Decision Tree)曾在很长的时间里是非常流行的人工智能技术,随着数据挖掘技术的发展,决策树作为一个构建决策系统的强有力的技术在数据挖掘和数据分析过程中起到了非常重要的作用.决策树在数据挖掘中主要用于分类、预测以及数据的预处理等.     

基于SQL Server BI决策树的学生成绩分析

随着数字化校园的普及,教学管理部门存储了大量的学生成绩数据,通过对学生成绩源数据进行数据的清理和转换,利用SQL Server BI决策树挖掘学生成绩之间潜在的、有效的信息,为教师提高教学质量和效率提供有用的参考。     

基于决策树分类器的归纳并行算法

分类决策树的归纳是一种重要的数据挖掘算法。本文重点介绍了两种基于并行算法的分类决策树的构造算法,并对它们的适用性及特点作了分析。     

基于信息增益法的决策树构造方法

决策树数据挖掘技术是目前最有影响和使用最多的一种数据挖掘技术。决策树构造的方法很多,本文提出一种基于信息增益法的决策树构造方法。给出了相应的决策树构造算法,并通过一个实例对其进行了说明。最后,本文对噪声问题、子树复制和碎叶等问题提出了解决思路。     

基于决策树的数据挖掘技术

论文对决策树下的数据挖掘技术,主要是对数据挖掘中的分类技术进行了深入的研究。给出了分类的概念,对决策树的表示、分类、剪枝问题进行了详细的分析,最后应用仿真方法显示了其相对于线性法的有效性。     

基于决策树的入侵检测系统研究

决策树是数据挖掘中的常用方法。指出当前入侵检测系统存在的问题,针对传统入侵检测技术性能低,误报率和漏报率高的问题,描述了利用决策树方法学习的一种优化实现的方式。     

基于信息论的决策树算法探讨

信息论是数据挖掘技术的重要指导理论之一,是决策树算法实现的理论依据.决策树算法是一种逼近离散值日标函数的方法,其实质是在实例学习的基础上,得到分类规则.本文简要介绍信息论的基本原理,重点阐述基于信息论的决策树算法,分析了它们目前主要的代表理论以及存在的问题.     

数据挖掘中决策树方法的研究

决策树是一种求解分类问题的重要技术.本文重点研究数据挖掘中的决策树方法,概述决策树方法的基本原理和优越性,阐述经典的ID3 算法并对算法进行分析,讨论若干针对分裂属性选择的改进算法,提出决策树算法理论进一步研究的方向.     

基于决策树的协同进化分类算法研究

针对当前分类算法还存在的诸如伸缩性不强、可调性差、缺乏全局优化能力等问题,该文提出了一种有效的用于数据挖掘分类任务的方法——基于决策树的协同进化分类算法。实验结果表明该方法获得了更高的预测准确率,产生了更小的规则集。     

基于决策树的城市短时交通流预测

运用决策树对城市道路上下游短时交通流量关系进行了分析，并建立了相应的规则库，得到了一个城市短时交通流的预测方法，为城市交通流控制与诱导提供了良好的基础。     

基于决策树的银行客户分类应用研究

当今国内银行面临着巨大的压力和挑战,零售银行是目前中国银行业的一项关键业务。银行的重点是做好市场客户细分,有效挖掘客户需求,提供客户差异化服务。本文结合太仓农村商业银行的内测数据,对客户分类,然后基于决策树数据挖掘技术C4.5算法画出决策树,得到客户分类规则。