一种基于分类-回归决策树的烤烟产区识别模型

为建立不同产区及风格烤烟烟叶与化学指标之间的关系,对2005~2009年湖南省、河南省、福建省和云南省等4省份共计1040份烟叶样品的21种化学成分进行检测,并利用Mining Tree模型进行分类-回归决策树（C＆RT analysis）数据分析。结果表明：（1）从21个烟叶化学成分中,共筛选出14个特征化学指标,其中钾和硝酸根为4省烟叶共有特征化学指标;（2）湖南、河南、福建和云南4省份识别概率最高的特征化学指标分段组合（Segment）分别为：还原糖（≤24.93%）、钾（〉1.98%）、p H值（≤5.37）（p=0.658）;钾（≤1.98%）、灰分（〉11.03%）、水溶性灰份碱度（≤0.49）、硝酸根（≤0.06%）（p=0.776）;还原糖（〉24.93%）、钾（〉1.98%）、硝酸根（≤0.06%）、蛋白质（〉5.01%）（p=0.914）;钾（≤1.98%）、灰分（≤11.03%）、水溶性总糖（〉28.94%）、硫酸根（≤1.43%）（p=0.957）。分类-回归决策树方法在建立烤烟化学成分识别模型中具有重要的应用价值。

上海市嘉定区农村居民就诊单位选择的影响因素分析——决策树和多分类无序反应变量的logistic回归相结合的方法

目的分析影响上海市嘉定区农村居民就诊单位选择的因素,并探讨logistic回归分析和决策树(CHAID法)相结合的方法的应用。方法采用多分类无序反应变量的logistic回归分析和决策树(CHAID法)相结合的方法,用似然比检验比较模型之间的优劣,确定最佳模型。结果影响嘉定区农村居民选择就诊单位的主要因素是保健制度、年龄、恩格尔系数、性别、看病距离、职业以及保健制度和文化程度的交互作用。结论决策树提供解释变量类别的重新划分和因素之间的相互作用的信息,logistic模型提供因素的主效应作用以及对交互作用是否存在的检验信息,两者结合,可以更加全面地挖掘出对目标变量有影响的因素及因素之间的交互作用。

鸡胴体表面稀释污染物的连续投影-多元线性回归-受试者特性分析检测

建立基于连续投影算法(successive projections algorithm,SPA)-多元线性回归(multiple linear regression,MLR)-受试者特性(receiver operating characteristic,ROC)分析鸡胴体表面稀释污染物识别方法。首先采用高光谱成像系统获取了20个涂有稀释污染物的鸡胴体图像,再利用SPA从1 232个波长中提取出10个特征波长,然后通过MLR方法构建识别函数和特征波长光谱值之间的回归模型,最后通过ROC分析方法,确定出能够获得高真阳性率(true positive rate,TPR)和低假阳性率(false positive rate,FPR)的最佳分类阈值,并据此对鸡胴体表面稀释后的污染物进行检测。结果显示,利用SPA-MLR-ROC分类器检测20个污染鸡胴体样本,检出污染区域的TPR达到98.08%,FPR仅为0.39%,高于波段比算法以及双波段算法检测相同样本的准确率,可见,SPA-MLRROC分类器方法检测鸡胴体表面稀释污染物获得了较好的效果,但由于样本数量有限,还需要具有较大样本量的研究来进一步验证此方法检测结果的稳定性。

分类回归树在高校计算机联考数据分析中的应用

分析了分类回归树的基本结构及树的构建方法,并将其应用到高校计算机联考的数据分析中。结果表明,该方法能够较好的对数据进行分类,所生成的分类规则有助于今后教学和学生工作的开展。

基于决策树分类的济宁市土壤有机碳遥感反演

本研究利用Landsat 8遥感影像数据以及土壤有机碳实测数据,以研究区表层0~20 cm土壤的有机碳含量为研究对象,通过SPSS的多元线性回归分析,建立预测模型:Ysoc=23.448+65.958b1-67.703b4-21.778b7(R2=0.744,P<0.01);进而采用基于ENVI的波段运算及决策树分类法,获取了济宁市土壤的有机碳含量与分布状况。结果表明:(1)研究区的土壤有机碳含量平均约为12.45 g/kg,处于中等偏下水平,部分地区有机碳含量接近于零,微山县和任城区含量最高;(2)研究区有机碳含量主要集中在12~18 g/kg,面积约为6 165.13 km^2,占研究区土地总面积的59.99%,分布最为广泛,在各个县区均有分布。

等级回归——多项分类判别分析

为了正确、有效地应用等级回归—多项分类判别分析，应用医学实例全面介绍这种多元分析方法。应提出关联评价时，分类自变量有输入Covariate框与Factor框的计算结果差异：两者回归系数绝对值完全相同，但符号相反(常数项除外)。但是，多项分类判别分析无上述区别。

分类回归树在航天测控数据关联规则分析中的应用

发现参数间的关联规则对预测航天器系统状态和改进航天器系统设计都有着重要的意义。如何发现参数间的关联规则是航天测控数据分析中的一个难点问题。针对该问题,在概述小波分析和分类回归树基本原理的基础上,提出了一种基于分类回归树的分析方法。该方法首先采用小波分析技术对参数数据进行去噪声处理,然后用随机采样的方法把数据分为训练数据集和检验数据集两部分,再构建一个分类回归树模型并用训练数据集训练该模型,随后用检验数据集对该模型进行检验,在对检验结果好坏进行评价并确认获得较好结果的基础上,对分类回归树模型进行解析,并最终得出参数间的关联规则。最后运用仿真数据对上述方法进行了实例验证,结果表明该方法能较好地分析出参数间的关联规则。

PET心肌灌注-代谢不匹配能准确诊断阻塞性冠心病

目的探讨定量PET心肌灌注-代谢不匹配(MIS)能否进一步提升阻塞性冠心病(CAD)诊断的准确性。方法回顾性收集阻塞性CAD疑似患者97例,将其按照5∶3的比例随机划分为训练集(n=61)和测试集(n=36),并将阻塞性CAD定义为冠脉血管狭窄≥75%。单变量和多变量的Logistic回归分析用于分类模型的训练和性能评估。ROC曲线用于确定诊断阻塞性CAD的最佳截断值以及比较模型间的差异性。结果单变量Logistic回归模型的AUC值分别为0.735、0.758和0.823,MIS的最佳截断值为9%;多变量Logistic回归模型的AUC值分别为0.766、0.823和0.839,以包含MIS指标的Model_3最高,且高于对照模型(P=0.0034);基于Model_3构建的决策树,在测试集中的准确度最高可达96%。结论PET MIS是阻塞性CAD的有效预测因子,能有效提升诊断准确性,对疑似病例快速、准确的鉴别诊断具有重要的临床价值。

根据葡萄酒理化指标对葡萄酒质量的统计分析

本文将根据葡萄酒成分的理化指标，主要通过统计中的逻辑回归与数据挖掘中的决策树实现对葡萄酒质量的分类评估，关注影响葡萄酒质量分类的关键指标。

基于6项肿瘤标志联合检测的3种分类模型判别肺癌的对比分析

目的联合检测6项血清肿瘤标志,建立人工神经网络(ANN)、分类回归决策树(CART)和Fisherχ2检验判别分析3种分类模型,并对肺癌进行判别,以探讨3种模型在判别肺癌中的差异。方法采用放射免疫学、分光光度法、原子吸收分光光度法等方法,测定50例正常对照、40例肺良性疾病患者及50例肺癌患者血清中癌胚抗原、胃泌素、神经元特异性烯醇化酶、唾液酸、铜锌比值(Cu/Zn)、钙(Ca)6项指标,并建立基于这6项指标的ANN、CART和Fisher判别分析3种诊断肺癌的分类模型。结果ANN、CART和Fisher判别分析模型对肺癌检出的灵敏度分别为100%、93.33%、84.00%,特异度分别为100%、100%、98.89%,对预测集正常、肺良性疾病和肺癌识别的准确度分别为91.67%、86.11%、85.00%,三模型对全部样本判别肺癌的ROC曲线下面积分别为0.964、0.953、0.812,其中ANN与CART模型ROC曲线下面积差异无显著性(P>0.05),而ANN、CART与Fisher判别分析模型ROC曲线下面积差异均有显著性(P<0.05)。结论基于6项肿瘤标志建立的ANN、CART模型判别肺癌的效果优于Fisher判别分析。

一种基于ExtraTrees的差分隐私保护算法

为在同等隐私保护级别下提高模型的预测准确率并降低误差,提出一种基于ExtraTrees的差分隐私保护算法DiffPETs。在决策树生成过程中,根据不同的准则计算出各特征的结果值,利用指数机制选择得分最高的特征,通过拉普拉斯机制在叶子节点上进行加噪,使算法能够提供ε-差分隐私保护。将DiffPETs算法应用于决策树分类和回归分析中,对于分类树,选择基尼指数作为指数机制的可用性函数并给出基尼指数的敏感度,在回归树上,将方差作为指数机制的可用性函数并给出方差的敏感度。实验结果表明,与决策树差分隐私分类和回归算法相比,DiffPETs算法能有效降低预测误差。

数据挖掘技术在计算机辅助肺癌诊断中的应用

目的:对数据挖掘中解决分类问题的常用方法进行分析,比较它们应用于计算机辅助诊断系统时的性能。方法:收集1998-06/2004-12在北京友谊医院和北京结核病院胸部肿瘤研究所经手术或穿刺活检病理证实的孤立肺节结200例(恶性135例,良性65例),观察2项临床指标(年龄及是否有痰中带血丝)和5项薄层CT指标,并按7∶3的比例将样本随机数字法分配到训练集和测试集中。分别用Fisher线性判别分析、Logistic回归分析、决策树和神经网络方法构建诊断分类器,并用测试样本验证各个分类器。利用诊断的敏感度、特异度评价分类器的准确性,用ROC曲线及曲线下面积比较各个分类器总体诊断性能。结果:①对60例样本进行诊断测试,4种方法的敏感度分别为84.6%,87.2%,87.2%和87.2%,特异度分别为85.7%,81.0%,76.2%和81.0%。②4种方法诊断的ROC曲线下面积分别为0.918,0.918,0.939和0.942,任何两种方法比较,曲线下面积的差异均无统计学意义(P值分别为0.8982,0.1576,0.3495,0.2857,0.4319和0.9868)。结论:从分类算法的分类准确性、分类器的可理解性以及对诊断的指导意义三方面进行比较,Logisitc回归和神经网络方法具有较高的诊断分类准确性,判别分析、Logistic回归分析和决策树方法具有较好的模型可理解性,基于BP算法的神经网络对实际诊断具有较好的指导作用。它们都可用于计算机辅助诊断系统中。

内蒙古草原植物群落分布格局及其主导环境因子解释

基于内蒙古地区草原植物群落样带调查,采用双向指示种分析(TWINSAPN)、除趋势对应分析(DCA)、多元回归树(MRT)和典范对应分析(CCA)等方法,探讨了群落组成、分布格局及影响其分异的主导环境因子.结果如下:1)TWINSPAN将273个群落调查样方划分为8个群系级草原类型,各自代表并反映出该地区草原群落的特点;2)DCA排序结果间接地反映出群落类型与环境梯度之间的关系,CCA排序结果较好地展示了各群落类型中优势物种的生境特征,并进一步展示了该地区草原类型、主要物种与环境因子的响应关系;3)DCA、MRT及CCA结果均表明,气候因素对于该地区草原植被的地域分异影响作用较大,其中水分因子的影响十分突出,特别是最湿月、最暖季节与最冷季节降水,是构成内蒙草原植被类型区域分异的决定性因素;4)MRT与CCA结合使用能进一步挖掘出更多的环境信息,为群落分布格局的形成原因提供更深入更全面的环境解释.

福建省部分地区乙型肝炎病毒基因型分布及其临床意义的探讨

目的:首次调查福建省五个地区乙型肝炎病毒(HBV)基因型的分布状况,并探讨HBV基因型与HBV,相关肝病临床的可能相关性。方法:收集福州市、厦门市、泉州市、三明市、莆田市等地区慢性HBV感染者的血清,采用聚合酶链反应-限制性片段长度多态性(PCR-RFLP)法检测HBV基因型,应用多分类logistic回归分析、对应分析研究HBV基因型与临床的相关性。结果:431份HBV DNA阳性的血清中基因B型275例(63.8％),C型100例(23.2％),D型及其混合型共51例(11.8％)。未见A、E、F型。多分类logistic回归分析显示泉州和三明地区HBV基因B型所占比例显著高于福州地区(P=0.002;P=0.006);无症状携带者、慢性肝炎、重型肝炎都是以基因B型为主要基因型;基因C型在肝硬化中所占比例(47％)显著高于无症状携带者(14.5％)和重型肝炎组(14.7％)(P=0.009,P<0.001);基因B型的e抗原阳性率(52.4％)显著低于C型(56％)(P=0.008);基因D型患者e抗原阳性率(30.8％)也低于C型(P=0.051)。对应分析表明HCC与基因D型及其混合型关系密切。结论:①福建省HBV感染以基因B型为主,其次是C型,也存在基因D型的流行。②福建省部分地区基因型B和C的分布可能存在差异。③基因B型在年轻患者中可能与重型肝炎的发展有关;基因C型在年长患者中可能更易导致肝硬化。

FMM神经网络结合CART的感应电动机故障诊断方法

针对感应电动机存在多种故障问题,提出一种融合模糊极小-极大(FMM)神经网络和分类回归树(CART)的电机故障诊断方法(FMM-CART),对转子断条、定子绕组和电压失衡三种常见电机故障进行诊断。通过采集电机三相的电流信号,并进行功率谱分析,提取特定谐波信号作为FMM-CART模型的输入特征。训练过的FMM神经网络根据输入特征计算置信因子,CART根据置信因子构建决策树,最终输出诊断结果。实验结果表明,FMM-CART能有效的诊断各种电机故障,且具有较少的检测时间和较低的网络复杂度。

基于数据挖掘的新疆高发肝包虫病的分型研究

目的探讨数据挖掘技术在新疆肝包虫病分型中的应用。方法提取肝包虫病CT图像的灰度-梯度共生矩阵(GGCM)和灰度共生矩阵(GLCM)特征,应用主成分分析法对各纹理特征及混合特征分别进行降维,采用支持向量机(SVM)分类器、决策树C4.5分类器、Logistic回归分类器对降维后的特征进行分类,最后对各分类模型进行受试者工作特性(ROC)曲线分析及参数评估。结果 SVM分类器对不同纹理特征下3种肝脏CT图像(单囊型、多囊型肝包虫病和正常肝脏)分类效果都明显优于决策树C4.5分类器和Logistic回归分类器。综合特征分类结果要明显优于单一特征分类结果;GGCM特征对综合分类结果的分类贡献率要高于GLCM特征。结论将SVM分类器应用于新疆肝包虫病CT图像的分型中具有一定分类优势,为肝包虫病影像学诊断提供了一定的依据,也为后期新疆肝包虫病计算机辅助诊断系统的研发奠定基础。

城市快速路交通事故持续时间预测

有效的交通事件管理系统需要对交通事故持续时间进行准确的预测。基于北京市122事故报警系统的65 000组数据,分别运用多元回归和分类回归树的方法对北京市快速路上的交通事故持续时间进行了建模,并运用另外的8 000组数据对预测模型的精度进行了检验,回归模型的误差平均值为30.746 3%,分类回归树的误差平均值为29.519 7%,误差分析结果表明,多元回归模型和分类回归树模型的结果都比较令人满意;分类回归树并不能显著的提高模型预测的精度。