一种新的模糊决策树模型及其应用

模糊决策树是决策树在模糊环境下的一种推广,虽然其表示形式更符合人类的思维,但在构造时会增加预处理的工作量和创建树时的开销。基于这种情况,提出了一种混合算法,算法保留了较少属性值的Shannon熵,计算多属性和连续属性值模糊化后的模糊熵。将该算法应用于滑坡数据的挖掘中,得到了更易于理解的决策树和有效的规则,与传统算法的性能比较也证明了该算法的有效性。

滑坡成因决策树挖掘

文章介绍了构造决策树的C4.5算法。在预处理过的滑坡数据上利用决策树算法生成一组坡体稳定性规则。这些规则可作为分析及预测滑坡的重要参考。也可用来创建专家系统的知识库。其次,作者对决策树算法提出了改进,通过调整测试集的某些参数,构造了一棵局部最优的决策树。使得对于滑坡成因的分类具有更高的正确率。

滑坡数据连续属性值处理的研究

数据预处理是提高挖掘过程精度和性能的关键。文章在分析决策树算法和滑坡数据属性值特点基础上,利用聚类将连续属性值划分区间,提出了一种针对滑坡数据连续属性值离散化的方法,通过实验,新方法构造的决策树比原算法的分类正确率高,规则冗余少。

计算机算法中的数学方法研究

计算机算法是程序设计的核心部分,数学方法是计算学科中最根本的研究方法。通过从计算机算法思想、设计、分析三个方面与数学方法整合的论述,不难看出数学理论对计算机解决问题具有重要的作用。