基于分类回归树方法的遥感信息快速提取研究

遥感信息具有一定的连续变化性,这将会在一定程度上使得遥感信息快速提取存在偏差,其提取的时间也随之增加,容错率下降,为此文中提出基于分类回归树的遥感信息快速提取方法。通过噪声调整的主成分分析法(NAPCA)提取遥感信息的特征,利用复小波变换法对图像进行去噪处理,同时结合邻域值函数完成小波系数收缩。通过分类回归树方法进行样本训练,连续不间断获取遥感信息,结合Bayes判别准则完成遥感信息快速提取。实验结果表明,所提方法能够有效提升容错率,降低遥感信息快速提取偏差和时间。

基于分类回归树模型的兰渝线陇南段铁路职工血脂异常流行现状及影响因素分析

目的:基于兰渝线陇南段铁路职工健康体检数据,建立血脂异常发生风险的预测模型。方法:选取2016—2021年参加健康体检的兰渝线陇南段铁路职工作为研究对象,评估并比较血脂正常与血脂异常人群的体检指标。共纳入3970人,其中男性3625人(91.31%)、女性345人(8.69%)。建立分类回归树模型预测血脂异常发生风险。结果:血脂正常人群为2794人(70.38%),血脂异常人群为1176人(29.62%)。同年度比较,血脂异常人群平均年龄、身体质量指数(BMI)均显著高于血脂正常人群,且以男性和超重肥胖者居多;血脂异常人群甘油三酯、总胆固醇、低密度脂蛋白显著高于血脂正常人群,高密度脂蛋白显著低于血脂正常人群;血脂异常人群收缩压(除2016年外)和舒张压均显著高于血脂正常人群。2020年和2021年血脂异常人群的血糖值显著高于血脂正常人群。2019—2021年血脂异常伴高血压或糖代谢异常的人群占比也显著升高。分类回归树模型分析结果显示,BMI是脂代谢异常重要的预测因素,当BMI超过22.78 kg/m^(2)时脂代谢异常占比上升至43.40%;当BMI超过26.46 kg/m^(2)时脂代谢异常占比上升至57.50%。结论:兰渝线陇南段铁路职工血脂异常检出率为29.62%,BMI是血脂异常重要的预测因素。

基于分类回归树的企业会计信息失真识别方法

常规的企业会计信息失真识别方法主要使用svmtrain惩罚参数进行识别交叉验证,易受核函数参数影响,导致平均识别错误率较高,因此急需基于分类回归树设计一种全新的企业会计信息失真识别方法。文章通过定量分析法选取了会计信息失真识别变量,利用分类回归树构建企业会计信息失真识别模型,设计企业会计信息失真识别算法,从而实现了企业会计信息失真识别。实验结果表明,设计的基于分类回归树的企业会计信息失真识别方法在不同会计失真识别变量下的平均识别错误率均较低,证明设计的企业会计信息失真分类回归树识别方法的识别效果较好,具有较高的准确性,有一定的应用价值。

基于分类回归树分析的遥感影像土地利用/覆被分类研究

以专家知识和经验为基础,综合影像光谱信息和其他辅助信息进行分类的基于知识的遥感影像解译方法,是提高遥感影像分类精度,实现自动解译的有效途径之一。然而,知识的获取一直是其得以广泛应用的“瓶颈”问题。以江苏省江宁试验区土地利用/覆被分类为例,利用分类回归树分析(CART)从训练样本数据集中发现分类规则,集成遥感影像的光谱特征、纹理特征和空间分布特征进行分类实验,并与传统的监督分类和逻辑通道分类方法进行比较。结果表明,基于CART的分类方法的精度基本在80%以上,与另两种方法相比,有了较大的提高,而且该算法复杂性低,效率高。由此说明,利用CART算法构建决策树获取的分类规则是合理的。它可以快速、有效地获取大量分类规则,是促进基于知识的遥感影像分类方法在土地利用/覆被分类中广泛应用的一项有效手段。

广义模型及分类回归树在物种分布模拟中的应用与比较

比较3个应用较广的模拟物种地理分布模型:广义线性模型(GLM)、广义加法模型(GAM)与分类回归树(CART)对中国树种地理分布模拟的优劣,以提出更为合适的模拟物种地理分布模型,并用于预测气候变化对物种地理分布的影响。3个模型对中国15种树种地理分布的模拟研究表明:除对油松、辽东栎分布的模拟精度稍差外,对其余树种分布的模拟精度均较高,其中以GAM模型最好。结合地理信息系统(GIS),比较分析了这3个模型对青冈、木荷、红松和油松4种树种的地理分布模拟效果,结果亦表明:这3个模型均能很好模拟青冈和木荷的地理分布,而GLM模型对红松分布的模拟结果不太理想,3个模型对油松分布的模拟结果均不甚理想,其中以GLM模型最差。基于3个模型对未来气候变化下青冈与蒙古栎地理分布的预测表明:GLM模型与GAM模型对青冈分布的预测结果较为接近,青冈在未来气候变化情景下向西和向北扩展,而CART模型预测青冈在未来气候变化情景下除有向西、向北扩展趋势外,广东和广西南部的青冈分布区将消失;3个模型均预测蒙古栎在未来气候变化情景下向西扩展,扩展面积的大小为:模型的模拟面积>模型>模型。

基于分类回归树和AdaBoost的眼底图像视网膜血管分割

提出一种能有效分割眼底图像中视网膜血管的监督学习方法,为眼底图中的每个像素点构造一个包括局部特征、形态学特征和Gabor特征在内的39维特征向量,用以判定其是否为血管上的像素.在进行分类计算时,以分类回归树作为弱分类器对样本集分类,然后对AdaBoost分类器进行训练得到强分类器,并由此完成各个像素点的分类判定.基于国际公共数据库DRIVE的实验结果表明,该方法的平均精确度达到0.960 7,且敏感度和特异性均优于已有的基于监督学习的方法,适用于眼底图像的计算机辅助定量分析和疾病诊断.

基于分类回归树(CART)方法的统计解析模型的应用与研究

分类回归树是基于统计理论的非参数的识别技术 ,它具有非常强大的统计解析功能 ,对输入数据和预测数据的要求可以是不完整的 ,或者是复杂的浮点数运算。而且 ,数据处理后的结果所包含的规则明白易懂。因此 ,分类回归树已成为对特征数据进行建立统计解析模型的一个很好的方法。本文首先介绍了一种构建分类回归树的算法 ,并对其剪枝策略进行了简单的探讨 ,最后用统计解析软件S PLUS对一个应用实例进行了分析 。

基于分类回归树CART的湖南黑茶汤色品质的表征研究

采用色差法分析了红茶、绿茶、乌龙茶及不同产地的黑茶的汤色。根据茶汤色度值筛选出特征变量,建立了湖南黑茶的分类树CART识别模型。结果表明:湖南黑茶与绿茶、乌龙茶和红茶间两两比较,除与乌龙茶Δa*差异不明显外,其他色度值都存在显著差异;对于不同产地的黑茶对比分析,湖南黑茶除与青砖的ΔL*和生普的Δa*差异不大外,与六堡茶、青砖、藏茶、生普和熟普茶的ΔL*、Δa*、Δb*和ΔE*之间有明显差异;采用预测集样本评估模型质量,分类树CART模型对于茶叶类别和产地的识别正确率分别是100%和93.3%。因此,利用茶汤色度值建立起的分类树CART模型,可以得到湖南黑茶很好的分类识别效果。

用分类回归树方法研究亮温异常变化

利用分类回归树方法研究卫星热红外亮温异常数据和地震震级关系 ,结果显示对地震震级影响的主要因素是最大异常亮温面积 ,可以利用它来构造具有 4个终节点的最优分类树 ,其误判率为 0 .3131,并且该分类树具有很好的稳定性 .

基于分类回归树(CART)的点焊质量在线监测

电阻点焊过程动态信号蕴含着大量直接或间接反映焊点质量的动态信息.通过对焊接过程电极位移、动态电阻信号的同步采集和分析,从两种信号中提取了12个特征参量建立表征点焊过程的数据集,以焊点接头抗剪强度作为焊点质量评价的指标,利用分类回归树(CART)数据挖掘方法,将焊接过程监测参量与焊点强度之间复杂的映射模型以十分直观的二叉树形式给出,用一系列监测特征参量的逻辑表达式构成接头强度分类、预测规则,使得接头强度分类和预测过程易于表达、准确率高、分类预测速度快,进而实现对未知样本焊点强度的分类及预测.CART测试结果表明,分类回归树可以较为满意地完成焊点接头强度的分类、预测任务.

沈阳市细菌性痢疾疫情分类回归树分析

目的探讨细菌性痢疾疫情与气象因素的关系。方法以沈阳市1950-1996年细菌性痢疾月发病率为响应变量,以气温、气压、降水量、蒸发量等气象指标为预报变量,利用软件R2.31构建回归树模型,应用SPSS13.0进行相关分析。结果对发病率进行拟合的预测值与实际值相符合,优于传统线性回归方法。在温度指标体系中,最低温度指标与细菌性痢疾关系最为密切。多因素回归树中,最低气温、降水量和气压最显著。结论回归树模型是处理异质性数据的有效工具,既简单实用又便于解释,在疫情预测方面具有广阔应用前景。

基于分类回归树模型对护士焦虑结局的预测研究

[目的]运用分类回归树分析方法,探讨护士焦虑的影响因素。[方法]随机抽取9所医疗机构600名护士,采用焦虑自评量表(SAS)调查护士的焦虑情况。[结果]单因素分析结果显示,不同婚姻状况、月收入、户籍、年龄、每周工作时间护士的SAS得分差异有统计学意义(P<0.05);分类回归树分析中,每周工作时间、月收入、婚姻状况、户籍进入模型,每周工作时间>49.92 h、收入<3000元的护士SAS得分最高[(65.4±3.0)分],每周工作时间≤45.92 h、已婚护士SAS得分最低[(28.9±4.9)分]。[结论]应根据护士不同因素组合的情况,合理安排工作时间,统一薪酬制度,从而降低护士的焦虑程度。

基于主成分分析和分类回归树的客户欠费预测

针对电信数据维度增加导致的客户欠费预测算法复杂度过高的问题,提出基于主成分分析和分类回归树的电信客户欠费预测算法。该算法将原始电信数据进行数据缺失值处理、数据冗余识别和数据结构化后,进行数据规范化建模,利用主成分分析算法对建模后的电信数据进行降维处理,将降维后的数据作为分类回归树算法的输入数据对客户是否欠费进行分类,预测客户是否将存在欠费行为。利用实际电信数据进行验证,结果表明该算法的预测错误率为4.49%,预测耗时为17.05s,与分类回归树算法相比,在能够预测客户欠费的同时,还能提高预测效率。

基于分类回归树CART的汉语韵律短语边界识别

提出了一种基于分类回归树(Classification And Regression Tree,CART)的汉语韵律短语识别方法。该方法从语音流中提取与韵律短语边界有关的声学特征,从文本中提取短语边界的语言学特征,并将两类特征有机结合构成CART特征集,建立CART决策模型。开放测试结果显示,利用该CART模型在词边界中识别韵律短语边界,其识别准确率平均可达95.91%。

汇率预测方法及比较:基于贝叶斯平均分类回归模型的检验

分类回归模型是回归模型家族的一个重要组成部分。文章针对现有的分类回归模型均采用选择性回归计算所存在的问题,建立了贝叶斯平均分类回归模型,并将其用于人民币汇率预测的实证研究。在实证研究时选取人民币对主要货币的汇率序列,对使用时间序列模型的预测结果与贝叶斯平均分类回归模型的预测结果进行对比分析,证明贝叶斯平均分类回归模型确实能够提高预测准确度。还使用贝叶斯平均分类回归模型对比分析了现有研究文献的预测效果,结果表明分类回归模型具有一定程度的优越性。

基于分类回归树算法的上市公司会计信息失真识别研究

利用26个财务变量建立分类回归树模型对会计信息失真进行识别研究,结果表明所建模型对会计信息失真企业的正确识别率达到80%以上,能将第二类错误率控制在20%以下。实证还发现留存收益在总资产中的比率小于2%的公司很容易出现会计信息失真,最后作者利用8年数据对该结果进行检验,表明其识别能力非常出色。

分类回归树中分裂法则的相合性质

讨论度量误差对分类树回归结果的影响，证明了对于某些常用的分裂法则来说，度量误差的存在会影响类边界估计的相合性.在一种简单情况下，提出了一个分裂法则，在该法则下，度量误差的存在不会影响类边界的相合性.

基于分类回归树的高炉铁水硅含量预测模型

针对高炉铁水硅含量的预测问题,作者探索出基于分类回归树算法的建模策略,为高炉炉温控制提供了新的可选思路.针对某高炉的在线生产数据,分别建立了分类回归树预测模型和支持向量机预测模型,并从命中率、均方根误差对模型的性能进行了分析.结果表明:分类回归树模型的预测精度整体优于支持向量机模型,尤其在炉况波动较大时预测效果较好.

基于分类回归决策树算法的航班延误预测模型

针对民航客机航班延误问题,构建了基于随机森林(random forest)与分类回归决策树(CART,classification and regression tree)算法的航班延误预测模型,利用国内大型机场的真实数据集对模型进行训练,通过与Logistic回归算法,K-近邻回归(KNN,K-nearest neighbor)算法和决策树(decision tree)算法的训练结果对比,从拟合效果可以看出,该方法可以处理高维度数据,泛化能力好,降低了过拟合的可能性,模型的拟合程度R2可以达到0.83。

四氯乙烯急性吸入毒性的分类回归分析

根据毒理学试验数据讨论四氯乙烯急性吸入毒性的剂量-反应关系。首先总结了有关四氯乙烯急性暴露的毒理学试验数据,并利用分类回归的方法,得出了小鼠、大鼠与人类暴露于四氯乙烯时,暴露时间、暴露浓度与健康后果之间的关系,同时分析了不同受试动物的种间差异。结果表明,健康效应的发生概率随暴露浓度和时间的增大而增大,而当暴露浓度达到某一值的时候,健康后果的发生概率不再随浓度变化而变化,将这一浓度视为饱和浓度;不利效应(AE)对应的饱和浓度要低于剧烈效应(SE),且暴露时间越长,饱和浓度则越低,同时饱和浓度随受试动物的不同而变化,人类的饱和浓度最低,大鼠的则最高。