基于决策树规则的分类算法研究

在商业利益的驱动下,人们不断地深入研究决策树算法。为了提高分类的精度,提出了一种基于决策树规则的分类算法。通过C4.5决策树算法得出决策规则,计算决策规则的长度、准确率与覆盖率,对所得的决策规则依次按照规则长度与准确率的乘积大小、长度的大小、覆盖率的大小对规则集进行排序构造分类器,选择优选权最高的规则进行匹配分类。实验结果表明,与C4.5算法相比,该方法的分类精度有所提高。

基于决策分类算法的本科毕业生就业形势分析系统设计

学校采用就业形势分析系统来分析每年本科毕业生的就业形势时,由于设置的分类决策规则较为复杂,系统在分析毕业生就业形势时难以理解复杂的规则,导致系统运行过慢,因此基于决策分类算法,设计全新的就业形势分析系统。系统硬件上,重新设计CAN总线通信电路。软件方面,利用决策分类算法,设置一个最精简的系统分类决策规则,从而自动生成本科毕业生就业形势分析结果。将所提系统应用到一所高校的本科毕业生就业形势分析问题中,结果表明,该系统分析就业形势所用时长,比以往系统缩短了97356 ms和70372 ms。由此可见,此次设置的规则更易于被系统理解,可快速得出就业形势分析结果。

基于决策树规则的回归测试技术研究

回归测试中测试用例的优化选择是个关键环节,借助黑盒测试中的等价类划分选择测试用例可以提高测试的效率。文中介绍一种基于决策树规则的分类方法实现等价类的划分。该方法通过决策树提取规则,在按照一定的优先级对提取的决策树规则进行排序后,对测试用例库中的每个测试用例,选择优先级最高的规则进行匹配分类,最后从每一分类中选择具有代表性的测试用例,同时介绍了怎样构造该模型。该方法在保证了分类精度的同时能够提高测试的效率,该方法是有效的。

基于不完备信息的粗糙集确定备件品种

针对确定备件品种不完备信息的多属性决策问题,给出了基于不完备信息系统的粗糙集模型,并依据扩展优势关系确定粗糙集的上、下近似集,从而获取分类决策规则;通过一个实例说明该方法的可行性和有效性.