基于DBSCAN与二叉决策树算法的短路故障定位方法研究

随着人工智能技术在配电网中不断扩大,配电网故障判断的速度和准确率得到了显著提升。然而,当监测系统发生多起短路故障报警时,往往会伴随大量的衍生短路故障的报警,影响现场人员对真实短路位置的判断。为了提高配电网在线监测及诊断能力,同时过滤掉衍生报警,本研究提出了一种基于DBSCAN和二叉决策树算法的短路故障定位推理机。以时间为密度对线路报警信息进行聚类,并根据配电网线路的拓扑结构设计相应的推理树,以此开发出故障定位推理机,最终实现对配电网短路故障的快速诊断定位,准确率可达97%以上。

遥感影像分类的一种二叉决策树自动生成方法

提出了一种决策树自动生成的方法,介绍了其阈值确定方法、数据结构、决策树生成流程,给出了一个自动生成的实例,并与人工生成的决策树进行了比较。

基于SVM二叉决策树方法的矿井提升机故障诊断

介绍了几种传统的支持向量机(SVM)多分类方法,分析了其存在的问题及缺点。提出了一种基于二叉决策树的SVM多分类方法,该方法具有简单、直观,训练样本少的特点。通过将其应用于提升机运行状态的故障诊断,结果表明,采用该方法比传统多类SVM方法和BP神经网络具有更高的诊断正确率。

基于平衡二叉决策树SVM算法的物联网安全研究

物联网是继计算机、互联网和移动通信之后的又一次信息产业革命。目前,物联网已经被正式列为国家重点发展的战略性新兴产业之一,其应用范围几乎覆盖了各行各业。物联网中存在的网络入侵等安全问题日趋突出,在大数据背景下,文章提出一种适用于物联网环境的入侵检测模型。该模型把物联网中的入侵检测分为数据预处理、特征提取和数据分类3部分。数据预处理主要解决数据的归一化和冗余数据等问题;特征提取的主要目标是降维,以减少数据分类的时间;数据分类中引入平衡二叉决策树支持向量机(SVM)多分类算法,选用BDTSVM算法对网络入侵数据进行训练和检测。实验表明,选用BDT-SVM多分类算法可以提高入侵检测系统的精度;通过特征提取,在保证精度的前提下,减少了检测时间。

基于二叉决策树的高职毕业生创业状况调查研究

基于二叉决策树分类技术对河北省大中专毕业生创业状况调查数据进行理性分析,结果发现:创业目的、环境和时机,政府扶持大学生创业的优惠政策,对于高职毕业生创业倾向起到了重要的作用。针对高职毕业生创业的现状,提出全面提高个人素质、正确引导创业教育、加大政府创业扶持力度等对策建议。

基于CART二叉决策树的电信业客户流失的模型构建与控制

分析了决策树在电信业客户流失分析中的重要应用,建立了基于CART算法的二叉决策树构造的电信业客户流失分析模型,研究如何使用二叉决策树的构造方法来克服客户流失分析中数据碎片的产生,使用spss clementin数据挖掘平台构造挖掘模型并且使用实时的数据出现概率来进行模型的优化控制。实验与仿真证明,该模型的准确率较高,效果显著。

基于“二叉决策树”模型的嵌入式软件调试

在嵌入式软件开发过程中,软件不可避免地会出现各种错误,因此调试是软件生命周期中一个非常重要的环节。针对嵌入式软件开发的流程和特点,对其调试部分进行较为深入具体的研究和探索,提出基于调试器的"二叉决策树"调试模型。该模型描述了嵌入式软件调试的一般过程、调试对象和常用方法。实践表明"二叉决策树"调试模型具有较好的实用性和扩展性。

改进的基于平衡二叉决策树的SVM多分类算法

基于平衡二叉决策树的支持向量机多分类算法的难点在于构造一棵有效的平衡二叉决策树.为构造有效的平衡二叉决策树,提出一种新的类间距离度量方案,进一步,引入类间可分性以及分离因子的概念,构建了一种新的建树方案,该建树方案从包含所有类的类簇中逐步分离出分离因子最大的类到另外一个类簇,最终形成两个类别数相等的类簇,接着分别递归分解各个类簇,直到各类簇的类别数为1.对照实验表明在训练时间以及识别时间复杂度保持不变的情况下,采用该改进建树方案可有效地提高SVM多分类的识别准确率.

基于最优二叉决策树分类模型的奶牛运动行为识别

针对奶牛行为分类过程中决策树算法构建主观性强、阈值选取无确定规则,易导致分类精度差的问题,该文提出一种基于最优二叉决策树分类模型的奶牛运动行为识别方法,首先选取描述奶牛腿部三轴加速度数值大小、对称性、陡峭程度、变异程度、不确定性及夹角的24个统计特征量,其次通过构建ROC(receiver operating characteristic,ROC)曲线获得各统计特征量的最佳行为类别分组方式及最优阈值,然后利用信息增益作为最优二叉决策树划分属性的选择标准,最终构建最优二叉决策树分类模型对奶牛运动行为进行分类识别。试验结果表明,该分类模型能够有效区分奶牛的站立、平躺、慢走、快走、站立动作、躺卧动作6种运动行为,平均准确率、平均精度、平均F1值分别为76.47%、76.83%、76.57%,相较传统的ID3(iterative dichotomiser 3,ID3)决策树算法分别高5.71、5.4和5.61个百分点,分别高于K-means聚类算法7.51、8.02和7.77个百分点,优于支持向量机算法6.77、6.72和6.57个百分点。该方法可为提高奶牛行为分类精度提供有效的理论支撑。

基于PIDC和二叉决策树SVM的人耳识别

提出了一种基于PIDC和二叉决策树SVM的人耳识别方法。采用PIDC方法以类间概率信息距离为监督提取人耳特征,降低了提取特征的维数;将PIDC方法与二叉决策树SVM分类方法相结合,实现了利用多类间概率信息距离监督人耳特征提取和分类。利用该方法对400个人耳进行识别实验,并将识别结果同PCA方法进行了比较,实验表明,文中方法降低了分类难度,提高了人耳识别率。

基于二叉决策树分类模型的草原牛行为识别

为了解决人工监测草原放牧牛运动行为工作量大、监测精度低的问题,试验提出一种基于二叉决策树分类模型的草原牛行为识别方法,即选取草原牛颈部三轴加速度计采集数据的X轴、Y轴、Z轴方差、均方根、平均值及三轴总体的矢量幅度(signal vector magnitude, SVM)和幅度(singal magnitude area, SMA)共11种统计特征量来构建查准率-查全率曲线(P-R曲线),通过P-R曲线获取各统计特征量所对应的最优行为类别分组方式及最优阈值,利用信息增益作为选择标准来构建二叉决策树分类模型,运用此模型对草原牛的躺卧、反刍、采食及慢走四种运动行为进行分类识别,并与K-均值(K-means)聚类算法比对。结果表明:K-means聚类算法只能识别躺卧行为,难以区分反刍、采食及慢走三种运动行为,但二叉决策树分类模型能够有效地将躺卧和慢走行为从躺卧、反刍、采食及慢走四种行为中识别出来,查准率和查全率均达到0.760以上。说明二叉决策树分类模型较常用的K-means聚类算法可更有效地完成草原牛行为分类,并且准确率更高。

动态模糊二叉决策树构造方法

动态模糊数据分析是海量数据处理的核心课题之一.讨论了动态模糊决策树的属性算法,通过动态模糊二叉决策树的介绍,给出了动态模糊决策树中各结点以及各层对实例集划分之间的关系.由于划分格是对论域的划分,进一步定义了动态模糊划分格,给出了关于动态模糊决策树各层对实例集划分组成的集合的定理,并且证明了动态模糊决策树的各层对实例集的划分组成的集合既是一个线性有序集也是一个动态模糊划分格等.

基于二叉决策树的肿瘤数据分类算法

新兴的DNA基因芯片生物技术为从分子水平上研究疾病的发病机理和临床诊断提供了强有力的手段和方法。然而,肿瘤基因数据具有高噪声、高相关性、维数高和样本个数少的特点,这些特点使肿瘤基因数据的分类变得十分困难和复杂。提出了一种基于二叉决策树的肿瘤分类方法,降低了对肿瘤诊断和分类的难度。在4个经典的肿瘤基因数据上用MATLAB软件进行了数值实验,得到了比较高的肿瘤分类准确率,因此我们认为我们的新方法在将来的肿瘤基因数据分类的研究工作中是一种有用的替代工具。

物联网安全检测的平衡二叉决策树SVM算法

研究针对当前物联网网络入侵等安全问题,提出了平衡二叉决策树SVM算法,涵盖数据预处理、特征提取及数据分类3个环节,实践证明该算法能够对入侵检测系统精度起到提升作用,与此同时能够缩短检测时间,具有一定的实用价值。

基于决策树的高光谱遥感影像分类方法研究

为了验证将决策树算法用于高光谱遥感影像分类的可行性,提出了一种二叉决策树自动构建算法用于高光谱遥感影像分类。通过对高光谱遥感影像进行现场采样、对样本进行统计和训练,生成了一棵二叉决策树,从决策树中提取出分类规则,并对高光谱遥感影像进行分类。生成的决策树简单明了,分类规则易于理解,分类效率和精度都比较高,实现了高光谱遥感影像从数据降维、样本选择、样本训练、决策树生成、影像分类的"一体化"和"自动化"。

一种基于支持向量机决策树多类分类器

提出一种基于支持向量机决策树的多类分类器SVMDT(Support Vector Machines based Decision Tree)。训练时,SVMDT采用样本类间最小距离原则进行决策树分叉,综合考虑局部类簇,生成一棵平衡的分类二叉树。分类时,SVMDT采用最大距离原则匹配决策。SVMDT训练时采用的距离为等效距离,综合考虑特征空间中样本类的中心距离以及样本类自身的分布特点,使得训练过程中确定各个SVM的优先级别更加合理,由此生成的决策树将特征空间严格划分开,避免了拒识区域的出现。UCI样本数据集实验结果表明,和传统的1对多SVM分类器相比,SVMDT具有训练速度快、分类速度快,分类精度高的特点。

决策树方法在遥感信息提取中的应用

介绍了决策树分类器的结构和理论基础,并结合了遥感影像各波段的特征对地物进行分类。在此基础上,以重庆渝北区为例进行了分类实验。实验说明了实现分类的具体过程,结果表明其方法在依据感兴趣区训练样本进行影像分类是切实可行的。

基于支持矢量机和决策树的多值分类器

基于SVM理论的分类器已经发展为一种通用的二值分类器,但它不适用于多值的场合。该文在分析经典的SVM分类算法和决策树分类算法的基础上,采用了将SVM和二叉决策树结合的方法来实现多类问题的分类,实验表明它与一对一的多值分类器具有相似的分类精度,并比一对一的分类算法具有快的测试速度。

基于决策树技术在高校成绩分析中的应用研究

采用ID3算法构造决策树的方法,给出了基于决策树技术的学生成绩分析应用研究模型。通过该模型分析,找出了影响学生成绩的潜在因素,教师通过调整教学环节,对学生管理工作提出意见,从而指导教学和管理工作。

决策树ID3分类算法的研究

决策树算法是数据挖掘中重要的分类算法,而ID3算法在决策树算法中最为著名。本文首先阐述了数据挖掘中决策树的基本思想。然后针对ID3算法运算复杂的缺点和倾向于取值较多的属性的缺点,对ID3算法予以改进,提出了ID3简化算法和ID3简化算法的二叉树存储算法;并通过实验对改进前后的算法进行了比较,实验表明改进后的算法是有效的。